Edukacja w życiu człowieka jest jednym z ważniejszych wyróżników jego egzystencji. Od najmłodszych lat człowiek zdobywa wiedzę i umiejętności, kończąc coraz powszechniej na studiach licencjackich, inżynierskich i magisterskich. Są również osoby, którym ten etap nie wystarcza i myślą o doktoracie i dalszym rozwoju własnym, postrzegając stopnie i tytuły naukowe również jako narzędzie dystrybucji prestiżu i władzy [1]. Opcją jest tu nauka w szkołach doktorskich, powiązanych z uczelnią, na które decydują się młodzi ludzie po studiach, zamiast podejmowania pracy zarobkowej w przedsiębiorstwach lub administracji. Ale nawet te osoby, które pracę podejmują zastanawiają się nad dalszym rozwojem kompetencji, nie tylko przez kursy i szkolenia, ale także przez zdobywanie kolejnych stopni naukowych.

Z drugiej strony, przedsiębiorstwa idąc w stronę innowacyjności i rozwoju własnych działań badawczych, rozwojowych i wdrożeniowych, coraz bardziej poszukują osób, które są w stanie podjąć się tego typu zadań. W czasach, gdy współpraca między środowiskiem akademickim a otoczeniem społeczno-gospodarczym staje się coraz istotniejsza pojawia się pytanie, w jaki sposób badacze z tego drugiego obszaru mogą na podstawie wyników swojej pracy ubiegać się o stopnie i tytuły naukowe. Szczególnie stopień doktora jest przykładem możliwości realizacji współpracy środowiska naukowego z otoczeniem społeczno-gospodarczym [2] i za taki uznawany jest przez wiele porządków prawnych w różnych krajach świata. Jest też niewątpliwie najczęściej wykorzystywanym stopniem naukowym poza środowiskiem czysto akademickim.

Warto również mieć na uwadze, że największy potencjał intelektualny dla realizacji odkryć naukowych przypada na wiek, w którym się znajduje młoda kadra w instytucjach, a zatem projekty związane z doktoratami są właśnie trafieniem w ten „złoty wiek” u człowieka. Badania doktorantów zawsze są ważnym elementem stymulującym rozwój nauki, natomiast doktoranci z przemysłu dodatkowo przyczyniają się do transferu wiedzy i umiejętności, najczęściej zresztą w obu kierunkach. Myśląc przyszłościowo o łączeniu karier i zatrudnianiu na część etatu doktorów z przemysłu na uczelniach, należy stwierdzić, że tego typu trendy i okoliczności mają znaczące konsekwencje dla kariery doktoranckiej poza środowiskiem akademickim.

Minione lata pokazały, że tak obrany kierunek był bardzo dobry. Już po pierwszych obronach i analizie zakończonych projektów można stwierdzić, że rozwiązania innowacyjne nie tylko faktycznie powstały, ale jeszcze znalazły swoje odbicie praktyczne we wdrożeniach. Dzisiaj w ramach programu kształciło i kształci się ponad 3000 osób reprezentujących bardzo różne dyscypliny i dziedziny nauki. Utworzyła się ścieżka kariery akademickiej opartej na prowadzeniu badań naukowych z ukierunkowaniem na ich zastosowanie w praktyce biznesowej (nie tylko w konkretnym podmiocie gospodarczym ale często znacznie szerzej). Doktoranci wdrożeniowi kształcą się nie tylko na uczelni, ale także w firmach lub instytucjach. Ta nowa ścieżka kariery umożliwia uzyskanie stopnia doktora na podstawie również osiągnięć w pracy wdrożeniowej, a przy tym pozwala opanować warsztat naukowca.

Program „Doktorat wdrożeniowy” skutecznie przyczynia się więc do zapewnienia polskim firmom i instytucjom publicznym wysoko wykwalifikowanych pracowników, których zadaniem jest wykorzystanie osiągnięć nauki do tworzenia nowych technologii i znajdowania dla nich zastosowań praktycznych. Już obecnie, na podstawie pierwszych zakończonych doktoratów można stwierdzić, że program ten przyczynił się do stworzenia wielu innowacyjnych rozwiązań technologicznych, które znalazły swoje praktyczne odbicie w postaci wdrożeń. Przedmiotem Programu Ministerstwa Nauki i Szkolnictwa Wyższego pn.

„Doktorat wdrożeniowy” jest zatem tworzenie warunków do rozwoju współpracy podmiotów systemu szkolnictwa wyższego i nauki z otoczeniem społeczno-gospodarczym, prowadzonej w ramach szkół doktorskich i polegającej na kształceniu doktorantów we współpracy z zatrudniającymi ich przedsiębiorcami albo innymi podmiotami, której efektem będzie wdrożenie w tych podmiotach wyników prowadzonej przez doktorantów działalności naukowej.

Do oceny dokumentów i realizacji prac w projektach tego programu powołano zespół doradczy Ministra Nauki i Szkolnictwa Wyższego ds. oceny wniosków i raportów w ramach Programu „Doktorat wdrożeniowy”. Składa się on z około 100 naukowców z dużym doświadczeniem w zakresie prowadzenia i recenzowania przewodów doktorskich. Członkowie na bieżąco zajmują się oceną przychodzących wniosków (termin składania ustala się zawsze w okresie późnej wiosny), a także raportów rocznych i końcowych. Dokumenty te omawiane są na posiedzeniach zdalnych, na których wypracowuje się wspólne decyzje. Zespół pracuje bardzo intensywnie, zajmując się nie tylko działaniami o charakterze ewaluacyjnym, ale również skupiając dużą część uwagi na przygotowaniu szablonów wniosków i raportów, które wspierają i ułatwiają aplikowanie i rozliczanie się zarówno samego doktoranta jak i szkoły doktorskiej, do której jest przypisany. Dokumenty są modyfikowane w oparciu o informacje uzyskiwane w trakcie realizacji projektów.

Ponadto członkowie zespołu omawiając poszczególne projekty wymieniają się doświadczeniami na temat stron pozytywnych i problemów w realizacji prac oraz sposobów radzenia sobie z trudnościami. Te dyskusje stały się genezą do pomysłu na niniejszy projekt, wykazały bowiem, że absolutnie niezbędne jest nie tylko monitorowanie programu, ale podjęcie szerszych działań zmierzających do jego dalszego upowszechnienia. Konieczne było także stworzenie bazy danych dotyczących firm, dyscyplin i tematyki zawartej w doktoratach wdrożeniowych, aby wiedza ta nie została zaprzepaszczona, ale mogła przyczynić się do dalszego rozwoju innowacyjnych działań przemysłu, sfery okołobiznesowej i instytucji je wspierających.

Mając na uwadze, że wciąż wiele firm i to nie tylko tych małych czy średnich, podchodzi do wymogów programu z pewną rezerwą, ważne jest ciągłe przygotowywanie materiałów wyjaśniających oraz przeprowadzenie spotkań prezentujących z jednej strony możliwości i korzyści, a z drugiej nakład pracy i zaangażowania. To jest jeden z celów niniejszego opracowania, jako pokłosie prowadzonego projektu: Upowszechniane dobrych praktyk realizacji Programu „Doktorat wdrożeniowy”. Prezentowane opracowanie zawiera wyniki badań, analizy, rozwiązania modelowe, ankiety i wywiady oraz historię przygotowaną w konwencji storytellingu, jako gotowe materiały do dalszej promocji programu. Wybrane elementy opublikowaliśmy w czasopismach naukowych i popularno-naukowych, jako krajową i światową promocję Doktoratów wdrożeniowych.

Na świecie istnieje dużo rodzajów stopni doktorskich oraz modeli kształcenia i szkolenia doktorantów. Rozróżnia się je określając konkretne cechy i procedury ich uzyskiwania [4], częściowo z konkretnymi wykładniami prawnymi [5]. Doktorat realizowany wspólnie z firmą nazywany jest przemysłowym i z jednej strony kładzie nacisk na pozaakademicką działalność naukowca, a z drugiej oznacza potrzebę i oczekiwanie takiego stopnia naukowego, który bardziej odpowiada potrzebom biznesu i otoczenia społeczno-gospodarczego [6]. Sama tematyka jest jednak poruszona dość wąsko, skupiając się na realizacji konkretnych prac. Wiele krajów ma też własne pomysły i procedury związane z doktoratem przygotowywanym wspólnie z przemysłem. W literaturze można znaleźć również prace skupiające się na porównaniach pomiędzy krajami [7].

Programy związane z realizacją doktoratu przez osoby aktywne zawodowo, często zatrudnione w przedsiębiorstwach komercyjnych, z powodzeniem funkcjonują w różnych dziedzinach w wielu krajach, zarówno europejskich (m.in. w Szwecji [8], Norwegii [9], Islandii [10], Niemczech [11], Wielkiej Brytanii [12, 13], Irlandii [14], Portugalii [15] i we Włoszech [16]), jak i poza Europą (w Stanach Zjednoczonych [17], Chinach [18], Australii [19, 20], Republice Południowej Afryki [21] oraz Iranie [22]). Poświęcono im szereg publikacji, omawiających jednak z reguły dość wąsko problematykę współpracy uczelni i podmiotów przemysłowych przy realizacji pojedynczych, konkretnych prac doktorskich, ich jakości w porównaniu z tradycyjnymi doktoratami oraz korzyściom dla partnerów biznesowych. Na ich podstawie można stwierdzić, że programy doktoratów przemysłowych to wyspecjalizowane modele kształcenia doktoranckiego, których celem jest łączenie środowiska akademickiego z przemysłem.

Programy te są coraz szerzej wdrażane na całym świecie, szczególnie w krajach wysoko rozwiniętych i uznawane za strategiczne narzędzia wspierające innowacyjność, zwiększające szanse na zatrudnienie oraz sprzyjające transferowi wiedzy. Na całym świecie doktoranci prowadzą badania naukowe, będąc jednocześnie zatrudnionymi w przedsiębiorstwach, często realizując projekty inicjowane przez firmy [23]. Praktykowane jest też wspólne sprawowanie opieki naukowej oraz ustalanie celów projektu przez uczelnie i partnerów przemysłowych [24]. Nacisk kładziony jest na badania stosowane oraz rozwiązywanie rzeczywistych problemów [25, 26]. Projekty zazwyczaj trwają 4 - 5 lat, podobnie jak tradycyjne studia doktoranckie [27] i mogą obejmować również zajęcia dydaktyczne, szczególnie w przypadku nowszych programów (np. w Portugalii) [28]. Koszty oraz odpowiedzialność za opiekę naukową są dzielone między przemysł, środowisko akademickie, a czasami również instytucje rządowe.

Rządy wielu krajów aktywnie finansują i promują tego typu programy, aby zwiększać szanse doktorantów na zatrudnienie poza środowiskiem akademickim oraz wspierać innowacyjność w przemyśle. Programy doktoratów przemysłowych generują określone korzyści. Wśród nich wymienić należy wsparcie transferu wiedzy i innowacji między środowiskiem akademickim a przemysłem, zwiększanie szans absolwentów studiów doktoranckich na zatrudnienie w sektorach pozaakademickich [29] i rozwój sieci współpracy [30]. Ale pojawiają się również pewne wyzwania, którymi są konieczność funkcjonowania w różnych kulturach organizacyjnych oraz godzenia odmiennych oczekiwań, zarządzanie rozproszoną opieką naukową oraz odpowiedzialnością za realizację projektu [31], a także zapewnienie skutecznej komunikacji między przedstawicielami środowiska akademickiego a partnerami przemysłowymi [32].

Stanowią więc coraz bardziej rozpowszechnione na świecie rozwiązanie, cenione ze względu na ich rolę we wspieraniu innowacyjności, badań o charakterze praktycznym oraz zwiększaniu szans na zatrudnienie. Ich struktura i sposób realizacji różnią się w zależności od kraju, jednak wszystkie łączy dążenie do budowania pomostu między środowiskiem akademickim a przemysłem poprzez współpracę i praktycznie ukierunkowane kształcenie doktoranckie.

Tego typu wspólne prace doktorskie przygotowywane przez osoby z otoczenia społeczno gospodarczego występowały przed Programem „Doktorat wdrożeniowy” również w Polsce, niemniej nie było ogólnokrajowego programu, potraktowanego całościowo, z wyraźnym wsparciem ze strony ministerstwa. To sprawia, że wspomniany program ma wiele cech unikalnych w skali świata. W programach i projektach w innych krajach wdrożenie nie jest też absolutną koniecznością (choć jest naturalnie mile widziane), zdarzają się więc prace o silnej komponencie badawczej, a ich efekty mogą zostać wykorzystane w nieokreślonym terminie późniejszym. Jego zakres - co zrozumiałe - w skali krajów ościennych ogranicza się do jednego podmiotu gospodarczego, sponsorującego wydatki w ramach prowadzonych prac. Polski Program „Doktorat wdrożeniowy” jest więc coraz powszechniej wskazywany jako wyjątkowy model, obejmujący przy tym wszystkie dyscypliny naukowe i odzwierciedlający różnorodność podejść stosowanych na świecie [46, 47].

Przed uruchomieniem Programu „Doktorat wdrożeniowy” jednym z czynników, które hamowały wspólne projekty badawczo-rozwojowe między podmiotami naukowymi a przedsiębiorstwami, był brak jasno zdefiniowanych możliwości rozwoju kariery naukowej na podstawie wyników prac wdrożeniowych. Dlatego wprowadzenie programu spowodowało wzrost zainteresowania wspólnymi projektami oraz ułatwiło budowanie dobrych relacji między uczelniami a środowiskiem biznesowym. Przyczynia się on także do dalszej poprawy efektywności współpracy nauki z otoczeniem gospodarczym, które z coraz większą intensywnością poszukuje wysokiej klasy pracowników o nieprzeciętnych umiejętnościach i wiedzy. Coraz więcej podmiotów gospodarczych rozwijając swoją innowacyjność zaczyna również poświęcać więcej uwagi działalności badawczo rozwojowej i wdrożeniowej. Do tego celu niezbędni są pracownicy posiadający wiedzę na temat prowadzenia prac badawczych oraz praktyczne umiejętności z tym związane.

Program „Doktorat wdrożeniowy” jest świetną odpowiedzią na to zapotrzebowanie. Zapewnia on przy tym wsparcie procesów innowacyjności oraz komercjalizacji wyników badań naukowych i prac rozwojowych, a także know-how związanego z tymi wynikami oraz promowanie dobrych praktyk w zakresie innowacji. Dzięki niemu otoczenie gospodarcze ma łatwiejszy i szerszy dostęp do osiągnięć naukowców, w tym również do patentów i dzieł będących własnością intelektualną. Część z nich powstała także w wyniku prowadzonych projektów w Programie „Doktorat wdrożeniowy”. Pozwoliło to na rozwój działań komercjalizacyjnych i wzrost innowacyjności przedsiębiorstw. Sama współpraca i jej promocja w społeczeństwie to również dobry przyczynek do upowszechniania wiedzy o współpracy nauki z otoczeniem gospodarczym. Umożliwiło to nie tylko budowanie i rozwój społeczeństwa opartego na wiedzy, ale także zachęciło młode pokolenia do pogłębiania umiejętności i zaprzyjaźnienia się z nauką.

Wymiernym efektem z punktu widzenia firmy (podmiotu współpracującego) jest nie tylko sam doktorat, ale także - a może przede wszystkim - zrealizowane wdrożenie.

Jak wspomniano Program „Doktorat wdrożeniowy” w Polsce ma już prawie dziesięć lat, stąd - aby ocenić jak funkcjonuje on po tych latach, zdecydowano się uruchomić projekt, którego celem była dogłębna ewaluacja programu, aby poznać występujące problemy i wejść na ścieżkę ciągłego doskonalenia. Postanowiliśmy opracować model doktoratu wdrożeniowego z pełnymi danymi analitycznymi i materiałami wsadowymi oraz pokazać w nim metodykę prowadzenia wzorcowego doktoratu wdrożeniowego. Metodyka taka dotyczy całego procesu, począwszy od sformułowania tematu pod kątem potrzeb danego podmiotu zatrudniającego, łącznie z wyborem promotora i opracowaniem wniosku. Jej elementem jest też Indywidualny Plan Badawczy, jako bardzo istotny element początkowej fazy realizacji prac, z którym wielu doktorantów, promotorów i opiekunów pomocniczych, a także szkół doktorskich - jak wynika z prac zespołu doradczego Ministra Nauki i Szkolnictwa Wyższego ds.

oceny wniosków i raportów w ramach Programu „Doktorat wdrożeniowy” - ma duży kłopot. Następnie dla wybranego projektu przygotowano raporty roczne zawierające wszystkie elementy niezbędne do oceny przez recenzenta. Efektem finalnym jest raport końcowy z projektu. Do wszystkich raportów przygotowano oceny recenzenta pokazujące na jakie aspekty zwraca uwagę zespół doradczy. Tak przygotowany dokument jest wzorcem dla wszystkich osób i podmiotów zainteresowanych wzięciem udziału w projekcie oraz dla promotorów i szkół doktorskich wspierających proces rozwoju kompetencji doktoranta.

Koncepcja projektu opierała się na kilku filarach, których konieczność istnienia jest następstwem wniosków nasuwających się z pracy ekspertów zespołu doradczego Ministra Nauki i Szkolnictwa Wyższego ds. oceny wniosków i raportów w ramach Programu „Doktorat wdrożeniowy”.

Pierwszym filarem było wspomniane stworzenie modelu doktoratu wdrożeniowego obejmującego jego wszystkie etapy, począwszy od działań inicjujących i wniosku aż po raport końcowy. Model taki dostosowano do wymogów różnych dziedzin nauki, co pozwala na jego dystrybucję we wszystkich zainteresowanych środowiskach. Drugi filar to wszechstronna analiza bardzo bogatych danych, jakie powstają w trakcie przygotowywania wniosków o doktoraty wdrożeniowe i samej realizacji projektów. Dane te obejmują z jednej strony dziedziny i dyscypliny naukowe, w jakich prowadzone są projekty, a z drugiej podmioty zatrudniające, decydujące się na ich realizację. Konieczna była kompleksowa analiza pod kątem wielkości podmiotów, branży, regionu, środowiska (miasto duże, średnie, małe, obszar wiejski) i płci. Analiza danych w tym zakresie pozwoliła na dotarcie do wszystkich podmiotów, które tym programem mogą i powinny być zainteresowane.

I tu pojawia się trzeci filar, a mianowicie szerokie upowszechnianie wiedzy o Programie „Doktorat wdrożeniowy” i zachęcanie do podjęcia działań inicjujących związanych z przełożeniem problemu gospodarczego na temat badawczy z silną komponentą wdrożeniową. Jest to o tyle istotne, że sam proces trwający cztery lata wymaga dużego zaangażowania ze strony doktoranta, mocno wykraczającego poza jego standardowe obowiązki zawodowe. Również podmiot zatrudniający (podmiot współpracujący) powinien się odpowiednio przygotować, nie tylko nominując kompetentnego opiekuna pomocniczego i precyzując problem do rozwiązania, ale także udostępniając niezbędną infrastrukturę i materiały.

Ważna jest również świadomość uzyskanych korzyści, w tym podniesienia poziomu wiedzy personelu (przy doktorancie wzbogacają się też umiejętności jego otoczenia zawodowego) oraz wymierny efekt wdrożenia innowacji przekładający się na pozycję na rynku i wzbudzający większe zaufanie u kontrahentów, a także - co zrozumiałe - przynoszący większe dochody. Działania upowszechniające obejmowały (i w dalszym ciągu obejmują) publikacje naukowe i popularyzujące, wystąpienia na konferencjach naukowych, seminariach, warsztatach i sympozjach, w tym także na spotkaniach dedykowanych tematyce doktoratów wdrożeniowych.

Działania promocyjne to prezentacje na konferencjach i wydarzeniach branżowych i spotkaniach projektowe z firmami i przedstawicielami biznesu, informowanie o przebiegu projektu, uzyskiwanych wynikach oraz osiąganych celach na stronach internetowych, popularyzacja wyników projektu oraz uzyskanej wiedzy w mediach społecznościowych i z wykorzystaniem akademickiej rozgłośni Politechniki Poznańskiej Radia Afera oraz podcastu „Polipodkast - człowiek, nauka, biznes”. Zorganizowano także dedykowane wydarzenie o charakterze promocyjnym (event nauka - biznes), podczas którego zaprezentowano rezultaty projektu (wystąpienia twórców raportu oraz przedstawicieli podmiotów zatrudniających, szkół doktorskich i samych doktorantów). Prezentowany raport zawiera materiały promocyjne o charakterze informacyjno-edukacyjnym popularyzujące Program „Doktorat wdrożeniowy”, które zostaną upowszechnione po pozytywnej decyzji Ministerstwa Nauki i Szkolnictwa Wyższego.

W trakcie realizacji projektu doktorant zobowiązany jest do regularnego publikowania wyników swoich prac w czasopismach naukowych, co w praktyce przemysłowej nie jest ogólnie przyjęte [48]. Jest to bardzo ważny element projektu, w którym opiekun naukowy powinien nauczyć doktoranta przygotowywać wartościowe publikacje. Przyjęto bowiem regułę, że przyszły doktor niezależnie od reprezentowanego obszaru naukowego ma mieć umiejętność i wolę publikowania osiągnięć wypracowanych w swoim podmiocie gospodarczym dla rozwoju wiedzy z danej dziedziny.

Warto w tym miejscu odwołać się do niedalekiej przeszłości. Po pierwszych pięciu latach działalności Programu „Doktorat wdrożeniowy” ukazał się raport „Kadry Przyszłości – 5 lat Doktoratów wdrożeniowych”, przygotowany przez Sieć Badawczą Łukasiewicz [49]. Jego celem było podsumowanie efektów pierwszych pięciu edycji programu, ocena skali jego rozwoju oraz pokazanie wpływu doktoratów wdrożeniowych na współpracę nauki z gospodarką. Opracowanie pokazuje skalę programu, jego wpływ na rozwój współpracy nauki i biznesu oraz rolę w budowaniu kadr badawczo-rozwojowych dla przedsiębiorstw i instytucji publicznych w Polsce. Raport ten, którego najważniejsze elementy przytaczamy poniżej wraz z naszymi komentarzami i uwagami, prezentował dane dotyczące liczby realizowanych projektów, ich tematyki, zaangażowanych uczelni i przedsiębiorstw, a także rozmieszczenia geograficznego programu. Szczególną uwagę poświęcono roli doktoratów wdrożeniowych w budowaniu kadr badawczo-rozwojowych dla przedsiębiorstw oraz wspieraniu transferu wiedzy i innowacji do polskiej gospodarki. Analizując treść tego raportu, już wtedy śmiało można było stwierdzić, że był on ogromnym sukcesem nauki, administracji i biznesu w naszym kraju. W pierwszych pięciu edycjach programu zatwierdzono 2293 projekty doktoratów wdrożeniowych, a do szóstej edycji zakwalifikowano kolejne 479 osób. Szczegółowe dane przedstawia rysunek.

Program rozwijał się dynamicznie mimo pandemii COVID-19, która nawet w najmniejszym stopniu nie wpłynęła negatywnie na liczbę zgłoszeń ani realizowanych projektów. Wręcz przeciwnie – w kolejnych latach obserwowano wzrost zainteresowania uczestnictwem. Po tych pięciu latach doktoraty wdrożeniowe stanowiły już ponad 7% wszystkich doktoratów realizowanych w Polsce, co tym bardziej należy uznać za znaczący sukces, biorąc pod uwagę stosunkowo krótki okres funkcjonowania programu. Za istotny wskaźnik skuteczności programu uznano także wysoką trwałość projektów - dla edycji II–IV odsetek projektów nadal realizowanych wynosił odpowiednio 97%, 96% oraz 99%, co potwierdzało dużą stabilność i zaangażowanie uczestników.

Wykres 1.1Liczba zaakceptowanych projektów w kolejnych edycjach

Zaakceptowane

Lista rezerwowa

386

463

372

591

481

I

II

III

IV

V

Po pierwszych pięciu latach podział ze względu na płeć wyglądał tak, że większą grupę uczestników stanowili mężczyźni (73,3% projektów), podczas gdy udział kobiet wynosił 26,7%. W pewnym stopniu wynikało to z dominacji tematów technicznych i inżynieryjnych, tradycyjnie częściej wybieranych przez mężczyzn. A właśnie ten obszar, zorientowany na rozwój technologii i przemysłu, dominował wśród projektów i to zdecydowanie. Aż 63,7% projektów realizowanych było w dziedzinie nauk inżynieryjno-technicznych, a kolejne miejsca zajmowały nauki ścisłe i przyrodnicze (14,2%), nauki społeczne (11,6%) oraz nauki medyczne i nauki o zdrowiu (4,4%). Obrazowo statystykę tą przedstawiono na rysunku.

Wykres 1.2Dziedziny nauki realizowanych projektów

Nauki inżynieryjno-techniczne

63,7%

Nauki ścisłe i przyrodnicze

14,2%

Nauki społeczne

11,6%

Nauki medyczne i o zdrowiu

4,4%

Nauki humanistyczne

0,8%

Nauki o sztuce

0,2%

Najczęściej reprezentowane dyscypliny obejmowały inżynierię mechaniczną, automatykę, elektronikę i elektrotechnikę, inżynierię materiałową, chemię a także informatykę techniczną i telekomunikację. Analizując tematy i słowa kluczowe projektów dostrzegaliśmy silną koncentrację na optymalizacji procesów, rozwoju nowych technologii, analizie danych, sztucznej inteligencji i uczeniu maszynowym, zarządzaniu energią oraz bezpieczeństwie systemów. To najlepiej pokazuje, że doktoraty wdrożeniowe są przede wszystkim narzędziem wspierania rozwoju technologii i przemysłu.

Najważniejszym osiągnięciem programu już wtedy było skuteczne budowanie kadr badawczo-rozwojowych dla przedsiębiorstw. Prawie 70% doktoratów wdrożeniowych realizowano w sektorze prywatnym, a spośród nich prawie 97% w przedsiębiorstwach. W ten sposób wyraźnie uwidoczniło się to, że program skutecznie odpowiadał na potrzeby biznesu i wspierał rozwój innowacji w gospodarce. A jej najczęściej reprezentowane branże w tamtym okresie to maszyny i elektronika, przemysł surowcowy i metalowy, chemia, IT, lotnictwo i kosmonautyka oraz farmacja i kosmetologia.

Wykres 1.3Główne branże przedsiębiorstw uczestniczących w programie

Maszyny i elektronika

10,3%

Przemysł surowcowy i metalowy

10,1%

Chemia i wyroby chemiczne

7,4%

IT

6,5%

Lotnictwo i sektor kosmiczny

6,1%

Farmacja i kosmetologia

5,5%

Medycyna i rehabilitacja

5,2%

Motoryzacja

4,8%

Transport lądowy

4,2%

Energetyka

3,7%

Powyższy wykres pokazuje, jak silnie cały pomysł powiązany był z najbardziej innowacyjnymi sektorami gospodarki. Program pokazał też, jak bardzo rozwojem kadr zainteresowane są duże podmioty. Wśród pojedynczych organizacji najwięcej projektów realizowały bowiem Łukasiewicz – Instytut Lotnictwa, PKN Orlen, Aptiv Services Poland, KGHM Polska Miedź i General Electric Company Polska. Zdecydowanym liderem pod względem liczby prowadzonych projektów była Sieć Badawcza Łukasiewicz, w której doktoranci realizowali aż 189 projektów, czyli niemal 10% całości. Szansa jaką dał tym osobom Program „Doktorat wdrożeniowy” jest zatem nie do przecenienia.

Ciekawe wnioski można wyciągnąć także z analizy znaczenia regionalnego programu. Choć największa liczba projektów realizowana była w największych ośrodkach akademickich i gospodarczych (Warszawa, Kraków, Wrocław, Katowice), program miał wyraźnie charakter ogólnopolski. Doktoraty wdrożeniowe realizowano w ponad połowie polskich powiatów i miast na prawach powiatu. Co szczególnie interesujące, tylko 38% projektów realizowanych było w tych samych miastach, w których znajdowała się uczelnia prowadząca doktorat, a aż 61,6% projektów prowadzono poza głównymi ośrodkami akademickimi. Jak nietrudno zauważyć jest to najlepszy dowód na efektywny transfer wiedzy i kompetencji do mniejszych ośrodków gospodarczych oraz wsparcie rozwoju lokalnych przedsiębiorstw i instytucji. Program nie jest skoncentrowany wyłącznie w największych miastach – wspiera transfer wiedzy do całej Polski.

Mapa 1.1Doktoraty wdrożeniowe realizowano w ponad połowie polskich powiatów. Rozkład geograficzny projektów — mapa powiatów; im ciemniejszy kolor, tym więcej realizowanych doktoratów wdrożeniowych.

więcej doktoratów

mniej lub brak

Lektura przytaczanego raportu nasunęła też zarówno jego autorom jak i nam pewne ciekawe, kluczowe wnioski. Mianowicie, po pięciu latach funkcjonowania, Program „Doktorat wdrożeniowy” okazał się skutecznym narzędziem wspierania innowacyjności polskiej gospodarki. Skutecznie połączył naukę z biznesem, umożliwił budowanie kadr badawczo-rozwojowych dla przedsiębiorstw, aktywnie wspierał rozwój nowoczesnych technologii, pozwolił na transfer wiedzy poza największe ośrodki akademickie, a przede wszystkim odpowiadał na realne potrzeby przedsiębiorstw i instytucji publicznych. Program potwierdził zatem swoją ogromną wartość jako mechanizm wspierający współpracę nauki i gospodarki. Dzięki niemu powstały kompetencje, technologie i rozwiązania, które cały czas wzmacniają potencjał innowacyjny polskich przedsiębiorstw oraz całego systemu badawczo-rozwojowego. Na koniec warto dodać, że Autorzy raportu rekomendowali dalsze rozwijanie i promocję programu, szczególnie w sektorze prywatnym, oraz przeprowadzenie kompleksowej ewaluacji po zakończeniu większej liczby projektów. I tym właśnie zajął się nasz zespół w ramach projektu Nauka dla Społeczeństwa Upowszechniane dobrych praktyk realizacji Programu „Doktorat wdrożeniowy”.

Pod koniec realizacji naszego projektu otrzymaliśmy z MNiSW raport: Na styku nauki i biznesu - raport z badania Programu „Doktorat wdrożeniowy”. Ocena realizacji procesów obsługi Programu [50], przygotowany na zlecenie Ministerstwa Nauki i Szkolnictwa Wyższego przez Ośrodek Przetwarzania Informacji - Państwowy Instytut Badawczy. Autorzy mieli dużo szerszy dostęp do surowych danych m.in. z wniosków i raportów projektowych, niemniej wiele spostrzeżeń jest zgodnych z naszymi, prezentujemy je poniżej wraz z naszymi komentarzami i uwagami. Szczegółowe dane liczbowe opracowaliśmy i prezentujemy w części czwartej naszego opracowania.

Przeprowadzone przez OPI badanie miało na celu kompleksową ocenę Programu „Doktorat wdrożeniowy” z perspektywy wszystkich najważniejszych grup zaangażowanych w jego realizację. Skupiono się na poznaniu doświadczeń doktorantów, szkół doktorskich, podmiotów współpracujących, ekspertów oceniających wnioski i raporty oraz pracowników ministerstwa odpowiedzialnych za obsługę programu. Istotnym elementem było również zidentyfikowanie problemów, wyzwań, oczekiwań i motywacji poszczególnych interesariuszy. Sam proces przeprowadzono z wykorzystaniem kilku uzupełniających się metod, a mianowicie analizy danych z systemu OSF dotyczących siedmiu pierwszych edycji programu, analizy dokumentacji i aktów prawnych regulujących jego funkcjonowanie, a także badań jakościowych i ilościowych, co pozwoliło uzyskać pełny obraz funkcjonowania programu oraz wskazać jego mocne strony, problemy organizacyjne i obszary wymagające usprawnień. Przeprowadzono indywidualne wywiady pogłębione z doktorantami, promotorami, koordynatorami szkół doktorskich, opiekunami pomocniczymi oraz ekspertami oceniającymi projekty. Dodatkowo zorganizowano warsztat z pracownikami MNiSW odpowiedzialnymi za obsługę programu. W internetowym badaniu ankietowym skierowanym do obecnych i byłych uczestników programu pytano m.in. o motywację do udziału w programie, źródła informacji o programie, poziom zadowolenia z jego organizacji oraz efekty osiągnięte dzięki uczestnictwu.

Oceniając program w liczbach można zauważyć, że w latach 2017–2023, obejmujących pierwszych siedem edycji Programu „Doktorat wdrożeniowy”, do udziału zakwalifikowano łącznie 2795 doktorantów, co stawia ten program wśród najważniejszych instrumentów wspierających współpracę nauki z gospodarką w Polsce. Największą grupę uczestników stanowili doktoranci realizujący projekty w obszarze nauk inżynieryjno-technicznych, którzy odpowiadali za 65% wszystkich doktoratów wdrożeniowych. Znacznie mniejszy udział miały nauki ścisłe i przyrodnicze (14%) oraz nauki społeczne (11%). Pozostałe dziedziny reprezentowane były rzadziej: nauki medyczne i o zdrowiu stanowiły 5%, nauki rolnicze i weterynaryjne 4%, a nauki humanistyczne jedynie 1% wszystkich realizowanych projektów. Program jest więc przede wszystkim wykorzystywany do rozwiązywania problemów technologicznych i inżynieryjnych, bezpośrednio związanych z działalnością przedsiębiorstw i instytucji prowadzących prace badawczo-rozwojowe.

Wśród uczestników można także dostrzec wyraźną przewagę mężczyzn: w analizowanym okresie stanowili oni 71% doktorantów, natomiast kobiet było 29%. Struktura ta odzwierciedla dominację kierunków technicznych i inżynieryjnych, które tradycyjnie są częściej wybierane przez mężczyzn. Jednak udział kobiet systematycznie wzrastał - od około 24-30% w pierwszych edycjach do 36% w edycji siódmej. Kobiety częściej realizowały doktoraty w naukach medycznych, rolniczych, weterynaryjnych i humanistycznych, natomiast znacznie rzadziej w obszarze nauk technicznych. Uczestnicy programu byli zróżnicowani pod względem wieku, jednak ich profil odbiegał od typowego doktoranta rozpoczynającego karierę naukową bezpośrednio po studiach. Mediana wieku wyniosła 32 lata, a zatem wielu uczestników posiadało już kilkuletnie doświadczenie zawodowe przed rozpoczęciem doktoratu.

Najmłodszy uczestnik miał 23 lata, natomiast najstarszy aż 77 lat, co świadczy o dużej otwartości programu na osoby znajdujące się na różnych etapach kariery zawodowej i naukowej. Po stronie naukowej w realizację programu zaangażowanych było 80 podmiotów naukowych zlokalizowanych w 24 miastach. Zdecydowaną większość stanowiły uczelnie publiczne (94%), podczas gdy udział instytutów PAN wynosił 4%, uczelni niepublicznych 2%, a instytutów badawczych był marginalny (0,1%). Dane te pokazują, że głównym filarem programu pozostają publiczne uczelnie akademickie. Istotnym elementem programu jest współpraca z otoczeniem społeczno-gospodarczym. W siedmiu pierwszych edycjach uczestniczyło ponad 1300 podmiotów współpracujących, zatrudniających doktorantów w trakcie realizacji badań. Większość z nich reprezentowała sektor prywatny (68%), natomiast 29% stanowiły podmioty sektora publicznego.

Pokazuje to, że program jest przede wszystkim narzędziem wspierania innowacyjności przedsiębiorstw, choć coraz większą rolę odgrywają również instytucje publiczne włączające się w działalność badawczo-rozwojową. Skala programu i liczba zaangażowanych podmiotów potwierdzają jego istotną rolę w budowaniu trwałych powiązań między nauką a gospodarką.

Do siódmej edycji łącznie zakwalifikowano 2795 osób. Najwięcej uczestników przyjęto w czwartej edycji programu (584), natomiast najmniej w siódmej (171), co było związane ze zmianami regulaminowymi i ograniczeniem liczby projektów zgłaszanych przez jedną szkołę doktorską. Dodatkowo w kolejnych edycjach uruchamiano specjalistyczne moduły, m.in. dotyczące sztucznej inteligencji, technologii kwantowych oraz metrologii. Z wywiadów wynika, że doktoranci wdrożeniowi są postrzegani jako osoby ambitne, zmotywowane, pracowite i nastawione na praktyczne wykorzystanie wiedzy. W przeciwieństwie do doktorantów realizujących tradycyjną ścieżkę akademicką posiadają oni zwykle bogatsze doświadczenie zawodowe, jasno określone cele badawcze oraz silne powiązanie prowadzonych badań z potrzebami pracodawcy. Jednocześnie częściej muszą godzić obowiązki naukowe z pracą zawodową i życiem rodzinnym, co stanowi dla nich dodatkowe wyzwanie.

Najważniejszymi motywacjami do udziału w programie były: chęć zdobycia stopnia doktora, rozwój kompetencji naukowych, pogłębianie wiedzy specjalistycznej, realizacja własnych zainteresowań badawczych oraz możliwość rozwiązania konkretnego problemu występującego w przedsiębiorstwie. Duże znaczenie miała również możliwość jednoczesnego rozwoju zawodowego i naukowego bez konieczności rezygnacji z pracy. Dla części uczestników istotnym czynnikiem było także stypendium doktoranckie. Doktoranci oczekiwali przede wszystkim poszerzenia wiedzy i kompetencji, zwiększenia swojej konkurencyjności na rynku pracy oraz opracowania rozwiązań odpowiadających potrzebom pracodawców. Liczyli także na rozwój umiejętności badawczych, zdobycie doświadczenia w zakresie wdrażania wyników badań do praktyki oraz nawiązanie nowych kontaktów zawodowych i naukowych.

Wśród młodszych uczestników częściej pojawiały się oczekiwania związane z karierą zawodową, natomiast starsi doktoranci większą wagę przywiązywali do rozwiązywania problemów praktycznych i rozwoju sieci kontaktów. Dla większości uczestników program stanowił jedyną realną drogę do uzyskania stopnia doktora. Ponad dwie trzecie osób, które wcześniej nie podejmowały prób realizacji doktoratu, deklarowało, że bez programu nie zdecydowałoby się na podjęcie studiów doktoranckich. Kluczową przewagą programu nad tradycyjną ścieżką była możliwość prowadzenia badań w ramach pracy zawodowej, wsparcie pracodawcy, dostęp do infrastruktury badawczej oraz finansowanie w postaci stypendium. Przed rozpoczęciem programu doktoranci często odczuwali niepewność dotyczącą możliwości pogodzenia pracy z doktoratem, przyszłej współpracy z promotorem oraz warunków finansowania.

W trakcie realizacji programu najczęściej wskazywali na przeciążenie obowiązkami, konieczność godzenia pracy zawodowej z wymaganiami szkoły doktorskiej, długi czas oczekiwania na ocenę raportów oraz niepewność związaną z ciągłością finansowania. Jednocześnie oczekiwali większej elastyczności szkół doktorskich, sprawniejszej komunikacji i bardziej przewidywalnych procedur administracyjnych.

W większości przypadków inicjatywa przystąpienia do programu wynikała z wcześniejszej współpracy pomiędzy doktorantem, pracodawcą i uczelnią. Kandydaci często byli już zatrudnieni w przedsiębiorstwach lub instytucjach badawczych i wspólnie z przełożonymi identyfikowali problemy, które mogły stać się przedmiotem pracy doktorskiej. Istotną rolę odgrywali również promotorzy oraz koordynatorzy programu po stronie uczelni, którzy pomagali w dopracowaniu koncepcji projektu i przygotowaniu dokumentacji. Proces rekrutacji był zazwyczaj oceniany pozytywnie, szczególnie ważne (co zawsze podkreślamy) jest wcześniejsze wypracowanie wspólnej wizji projektu przez wszystkie strony. Znalezienie zagadnienia spełniającego jednocześnie wymagania naukowe i potrzeby przedsiębiorstwa nie jest zawsze łatwe. Temat musi posiadać odpowiednią wartość badawczą i jednocześnie prowadzić do rozwiązania konkretnego problemu praktycznego i wdrożenia wyników badań.

Samo przygotowanie wniosku wymaga zgromadzenia wielu informacji i poprawnego ich przedstawienia w ograniczonej liczbie znaków. Jakość przygotowania projektu oraz poziom zaangażowania partnerów już na tym etapie w dużej mierze determinują późniejszy przebieg i efektywność realizacji doktoratu wdrożeniowego. Wraz z kolejnymi edycjami uczelnie i przedsiębiorstwa zdobywały doświadczenie, co ułatwiało przygotowanie aplikacji. Dla powodzenia projektu już na etapie wniosku duże znaczenie ma rzeczywiste zaangażowanie przedsiębiorstwa, gotowość pracodawcy do zapewnienia czasu na prowadzenie badań, dostęp do infrastruktury badawczej oraz dobra relacja pomiędzy doktorantem a promotorem.

Początek realizacji to ustalenie relacji pomiędzy doktorantem, promotorem i opiekunem pomocniczym. Tu zaczynają się problemy z koniecznością pogodzenia obowiązków zawodowych i rodzinnych z wymaganiami szkoły doktorskiej. Początkowo trudno oszacować rzeczywisty nakład pracy wymagany do równoczesnej realizacji wszystkich tych zadań. Ważna jest postawa podmiotu współpracującego (pracodawcy), który może zapewnić elastyczne warunki pracy, możliwość prowadzenia badań w godzinach pracy oraz dostęp do infrastruktury badawczej. Początek udziału w programie jest w tym aspekcie kluczowy, chociaż pogodzenie obowiązków jest wymagającą czynnością przez cały okres realizacji projektu. Uczestnicy muszą prowadzić część badań poza godzinami pracy, często kosztem czasu prywatnego. Jeśli przy tym pracodawca traktuje doktorat jako dodatkowe zajęcie pracownika lub wręcz jego fanaberię, to pojawiają się problemy z terminową realizacją badań.

Istotną rolę odgrywa również współpraca pomiędzy opiekunem naukowym a opiekunem pomocniczym. Promotor odpowiada za poziom naukowy pracy, natomiast opiekun pomocniczy za jej praktyczny wymiar i możliwość wdrożenia rezultatów. W trakcie realizacji doktoratu wdrożeniowego uczestnicy muszą również spełniać obowiązki wynikające ze szkoły doktorskiej, takie jak uczestnictwo w zajęciach dydaktycznych, seminariach, przygotowywanie publikacji naukowych czy realizacja praktyk zawodowych. W pierwszych edycjach niektóre wymagania szkół doktorskich były projektowane głównie z myślą o doktorantach akademickich i nie zawsze uwzględniały specyfikę doktoratu wdrożeniowego (obowiązkowe staże lub praktyki w innych podmiotach), w kolejnych edycjach dostrzegamy tu zdecydowaną poprawę. Ważne jest więc, aby zwykle w momentach nakładania się terminów raportowania, obowiązków uczelnianych oraz intensywnych zadań zawodowych, doktorant wykazał się stosowną odpornością psychiczną.

Istotnym elementem realizacji programu jest także możliwość korzystania ze środków przeznaczonych na infrastrukturę badawczą. Dla wielu projektów finansowanie to stanowiło ważne wsparcie umożliwiające zakup narzędzi, aparatury, oprogramowania, materiałów badawczych czy usług niezbędnych do prowadzenia badań. Same procedury związane z wydatkowaniem środków również ewoluowały poprzez kolejne edycje, w naszej ocenie moment nadmiernych formalności mamy już za sobą (tu, zgodnie z przesądem, warto odpukać w niemalowane drewno). Pomimo tych wszystkich trudności uczestnicy podkreślają, że realizacja doktoratu wdrożeniowego daje możliwość prowadzenia badań mających bezpośredni wpływ na funkcjonowanie przedsiębiorstwa lub instytucji, a efekty pracy są wykorzystane w praktyce, co zwiększa poczucie sensu prowadzonych badań oraz motywację do ich kontynuowania.

Mimo licznych obciążeń program postrzegany jest zatem jako wartościowy, dający możliwość prowadzenia badań o realnym znaczeniu wdrożeniowym, łączących rozwój naukowy z praktyką gospodarczą.

W trakcie realizacji projektu uczestnicy po każdym roku przygotowują raporty roczne, będące z punktu widzenia MNiSW jednym z najważniejszych elementów monitorowania postępów. Proces ten obejmuje zarówno ocenę formalną prowadzoną przez Ministerstwo, jak i ocenę merytoryczną wykonywaną przez zespół ekspertów (ustalono wewnętrznie, że ekspert, który przygotował ocenę konkretnego wniosku, jest dalej odpowiedzialny również za raporty przygotowane w jego ramach). Ocena raportu decyduje czy dany rok został przyjęty i rozliczony i czy zasadne jest kontynuowanie projektu. Etap raportowania jest jednym z najbardziej problematycznych elementów programu, z uwagi na długi czas oczekiwania na ocenę raportów. To oczekiwanie (w przypadku raportów niewymagających poprawek mediana czasu oczekiwania wynosi około pół roku) powoduje niepewność dotyczącą dalszego finansowania projektu i utrudnia planowanie kolejnych etapów badań.

Jeśli raport zostaje zwrócony do poprawy na etapie oceny formalnej lub merytorycznej, proces wydłuża się jeszcze bardziej. Wśród przyczyn tego stanu rzeczy zauważamy szczególnie ograniczone zasoby kadrowe po stronie Ministerstwa, jakość składanych raportów (część dokumentów wymaga poprawek już na etapie oceny formalnej, co powoduje konieczność ponownego procedowania i wydłuża cały proces) i zmiany w umowach i projektach (zmiana promotora, przedsiębiorstwa czy tematu), co wymusza konieczność przygotowania aneksów oraz dodatkowe opóźnienia w ocenie raportów. Natomiast - na podstawie wieloletnich doświadczeń pracy w zespole oceniającym - nie uważamy, aby istotną przyczyną były opóźnienia po stronie ekspertów oceniających raporty. Tutaj rzadko zdarza się, aby termin dwóch tygodni przeznaczonych na ocenę nie był zachowany.

Same raporty pełnią bardzo ważną rolę, jako narzędzie monitorowania postępów doktorantów wdrożeniowych zmuszające ich do systematycznego dokumentowania postępów prac, planowania kolejnych działań oraz utrzymywania regularnego kontaktu z promotorem i opiekunem pomocniczym.

Finis coronat opus, czyli każdy (no, prawie każdy) projekt dochodzi do fazy zakończenia, a więc przygotowania rozprawy doktorskiej i formalnego rozliczenia. Doktoranci oceniają okres przed złożeniem raportu końcowego jako najtrudniejszy, ponieważ większość czasu pochłaniało pisanie rozprawy, publikacji i przygotowanie do obrony. Sam raport końcowy, po wcześniejszym doświadczeniu z trzema raportami rocznymi, bywał już traktowany raczej jako formalność. Problemem pozostaje jednak długi czas oczekiwania na ocenę — zdarza się, że uwagi do raportu końcowego przychodziły nawet ponad rok po obronie. Choć program zakłada czteroletni okres realizacji, dla wielu uczestników termin ten okazuje się niewystarczający do ukończenia wszystkich działań badawczych oraz przygotowania pracy doktorskiej. Według OPI, spośród absolwentów uczestniczących w programie ponad połowa (51%) deklarowała, że korzystała z możliwości przedłużenia terminu zakończenia doktoratu.

Zjawisko to nieznacznie częściej dotyczyło kobiet. Wyniki te pokazują, że realizacja doktoratu wdrożeniowego często wymaga więcej czasu niż przewiduje standardowy harmonogram programu. Zgodnie z ustawą doktorantom zatrudnionym poza uczelnią przysługuje dodatkowy 28-dniowy urlop na przygotowanie rozprawy doktorskiej lub przygotowanie się do obrony. Ponad połowa uczestników skorzystała z tego uprawnienia: 38% wykorzystało cały urlop, a 20% jego część. Z urlopu częściej korzystały kobiety niż mężczyźni oraz osoby zatrudnione w podmiotach publicznych niż prywatnych. Wśród przyczyn opóźnień najczęściej podaje się trudności związane z jednoczesnym wykonywaniem obowiązków zawodowych, prowadzeniem badań oraz realizacją wymagań szkoły doktorskiej, a także dłuższy czas na przeprowadzenie badań, weryfikację wyników lub wdrożenie opracowanych rozwiązań w przedsiębiorstwie.

Inne przyczyny to pandemia COVID-19, która utrudniała dostęp do infrastruktury, surowców, odczynników i zaburzała funkcjonowanie firm, chęć dopracowania wyników, obowiązki zawodowe, brak czasu, problemy z publikacjami, zdrowiem, sytuacją rodzinną lub różne zmiany po stronie pracodawcy. Ale pomimo tych trudności większość uczestników skutecznie kończy program - wśród osób uczestniczących w pierwszych trzech edycjach, które zakończyły już udział w programie, aż 85% ukończyło go pozytywnie, składając raport końcowy zaakceptowany przez Ministerstwo. To ogromny sukces programu, na pewno wart szerszego nagłośnienia. Ukończenie programu przynosi wymierne efekty zarówno dla doktorantów, jak i ich organizacji. Obejmują one rozwój kompetencji badawczych, awanse zawodowe, wzrost rozpoznawalności eksperckiej, a także wdrożenie nowych technologii, produktów lub rozwiązań organizacyjnych w przedsiębiorstwach i instytucjach.

Pozostałe 15% przypadków to rezygnacje, do których dochodzi najczęściej na drugim i trzecim roku realizacji doktoratu. Przyczyno to: zmiana sytuacji zawodowej, problemy z pogodzeniem obowiązków, utrata motywacji, trudności organizacyjne lub zmiana priorytetów życiowych. Nie dostrzeżono istotnych różnic w poziomie rezygnacji pomiędzy kobietami i mężczyznami ani pomiędzy poszczególnymi dziedzinami nauki.

Jak wspomniano, korzyści wynikające z uczestnictwa nie kończą się wraz ze złożeniem rozprawy doktorskiej czy zakończeniem finansowania, lecz często przekładają się na dalszy rozwój zawodowy uczestników, rozwój organizacji oraz utrzymanie współpracy pomiędzy nauką i gospodarką. Jednym z najważniejszych efektów programu jest wzrost kompetencji uczestników. Udział w doktoracie pozwala rozwinąć umiejętności badawcze, analityczne i projektowe, a także zdobyć doświadczenie w prowadzeniu prac naukowych i wdrażaniu ich wyników do praktyki. Dla absolwentów doktorat stał się ważnym elementem dalszej kariery zawodowej, zwiększając ich pozycję ekspercką oraz możliwości awansu zarówno w środowisku akademickim, jak i w przedsiębiorstwach. Udział w programie wpływa też pozytywnie na relacje pomiędzy uczelniami a podmiotami współpracującymi.

Kontakty nawiązane podczas realizacji doktoratu nie kończą się wraz z obroną rozprawy, lecz prowadzą do dalszych wspólnych projektów badawczo-rozwojowych, współpracy eksperckiej lub kolejnych doktoratów wdrożeniowych. Program pełni więc funkcję mechanizmu budowania trwałych partnerstw pomiędzy sektorem nauki i gospodarki, co od początku było jednym z jego celów. Istotne są również efekty wdrożeniowe. Duża część projektów doprowadziła do opracowania nowych technologii, usprawnienia procesów produkcyjnych, wdrożenia nowych rozwiązań organizacyjnych lub zwiększenia potencjału badawczo-rozwojowego przedsiębiorstw. Praktyczny charakter badań stanowi jedną z największych zalet programu, choć nie wszystkie rezultaty wdrożeniowe są łatwe do uchwycenia bezpośrednio po zakończeniu programu - czasem pełne efekty pojawiają się dopiero po kilku latach, gdy wyniki zostają wdrożone na większą skalę lub wykorzystane w kolejnych projektach.

Oznacza to, że rzeczywisty wpływ programu może być większy niż wynika to z bieżących wskaźników monitorowania. Doświadczenia zdobyte podczas realizacji doktoratu wpływają także na zmianę sposobu postrzegania współpracy między nauką a biznesem - doktoranci, przedstawiciele przedsiębiorstw i pracownicy uczelni częściej dostrzegają możliwości wspólnego rozwiązywania problemów oraz korzyści wynikające z prowadzenia badań ukierunkowanych na praktyczne zastosowania.

Raport OPI pokazuje, że ogólna ocena Programu „Doktorat wdrożeniowy” jest wyraźnie pozytywna we wszystkich badanych grupach interesariuszy. Wśród absolwentów aż 83% osób pozytywnie ocenia swoje doświadczenia, a odsetek osób niezadowolonych nie przekracza 4%. Korzyści płynące z programu stają się przy tym szczególnie widoczne po jego ukończeniu, kiedy uczestnicy mogą ocenić efekty swojej pracy z szerszej perspektywy. Program „Doktorat wdrożeniowy” przynosi korzyści wszystkim grupom zaangażowanym w jego realizację – doktorantom, przedsiębiorstwom, uczelniom oraz całemu systemowi nauki i gospodarki. Dla doktorantów największą korzyścią jest naturalnie możliwość uzyskania stopnia doktora bez konieczności rezygnacji z pracy zawodowej.

Wielu uczestników wskazuje też jako benefit korzyści finansowe związane ze stypendium doktoranckim, które stanowi dodatkowe wsparcie w trakcie realizacji badań oraz możliwość pracy nad problemami mającymi praktyczne znaczenie i obserwowanie rzeczywistych efektów własnych działań badawczych. Dla przedsiębiorstw program jest przede wszystkim sposobem na rozwój potencjału badawczo-rozwojowego organizacji oraz dostęp do aktualnej wiedzy naukowej, metod badawczych i kompetencji akademickich, które mogą zostać wykorzystane do rozwiązywania konkretnych problemów technologicznych, organizacyjnych lub produktowych. Podmioty zyskują wysoko wykwalifikowanych specjalistów, którzy po zakończeniu programu pozostają w organizacji, wykorzystując zdobyte doświadczenia w dalszej pracy zawodowej. Istotną korzyścią jest też możliwość wdrażania innowacyjnych rozwiązań oraz budowania przewagi konkurencyjnej na rynku.

Dla uczelni program przyczynia się do wzmacniania współpracy z otoczeniem społeczno-gospodarczym, umożliwia nawiązywanie nowych partnerstw z przedsiębiorstwami oraz rozwijanie już istniejących relacji badawczo-rozwojowych. Program wpływał również na zwiększenie praktycznego charakteru prowadzonych badań, co wzmacnia znaczenie badań aplikacyjnych oraz transferu wiedzy do praktyki. W dużo szerszej perspektywie program wspiera budowanie trwałych relacji pomiędzy światem nauki i biznesu, przyczyniając się do przełamywania barier pomiędzy tymi środowiskami, ułatwiając wzajemne zrozumienie potrzeb i tworząc warunki do długofalowej współpracy. Ważny jest również rozwój innowacji oraz transfer wiedzy i technologii do gospodarki. Dzięki temu program realizuje cele wykraczające poza indywidualny rozwój uczestników, wpływając na wzrost konkurencyjności i innowacyjności polskiej gospodarki. A zatem można stwierdzić, że szeroki katalog korzyści dla wszystkich uczestników sprawia, że program jest oceniany jako jedno z najważniejszych narzędzi wspierających współpracę nauki i biznesu w Polsce.

Naturalnie, jak w każdym programie, tak i w tym można zidentyfikować pewne obszary wymagające usprawnienia, pomimo bardzo pozytywnej oceny samej idei programu. Na pewno należy uczynić wszystko, aby skrócić czas oceny raportów rocznych i końcowych. Ten element chyba najbardziej obniża ocenę funkcjonowania programu. Konieczne jest poprawa jakości składanych raportów (między innymi to opracowanie ma do tego doprowadzić przez pokazanie działań modelowych) oraz zwiększenie zasobów kadrowych po stronie Ministerstwa. Zwłaszcza to drugie zadania jest bardzo ważne, obecnie niewielki zespół realizuje równocześnie wiele procesów związanych z oceną raportów, obsługą umów, zmianami projektowymi i komunikacją z uczestnikami. Warto też pomyśleć o rozwoju automatyzacji procesów administracyjnych, w tym również przez rozwój funkcjonalności systemu OSF, aby większa liczba procesów mogła być realizowana elektronicznie.

Z kwestią personelu wiąże się także uporządkowanie kanałów komunikacji, zwiększenie dostępności materiałów informacyjnych oraz prowadzenie szkoleń dla koordynatorów szkół doktorskich, ekspertów i innych uczestników programu, co pozwoliłoby ograniczyć liczbę powtarzających się pytań i usprawnić przepływ informacji. Prezentowanie opracowanie jest tu jednym z ważnych elementów, dzięki którym czas pracy osób prowadzących program będzie mógł być wykorzystany dużo bardziej efektywnie. Również szkoły doktorskie skorzystają na tym dokumencie, co dalej powinno zmniejszyć bardzo dużą liczbę zgłaszanych zmian w projektach. A skoro jesteśmy przy szkołach, to trzeba kontynuować ich większą elastyczność w kształceniu i wymaganiach, oczywiście bez uszczerbku dla samego doktoratu.

Wreszcie - jak pokazują analizy i doświadczenie - należy kontynuować proces monitorowania podmiotów współpracujących, ponieważ zdarzają się sytuacje, w których przedsiębiorstwa nie zapewniają doktorantom odpowiednich warunków do prowadzenia badań lub nie są zainteresowane wdrożeniem wyników projektu. Oczywiście, aby nie wylać dziecka z kąpielą, nie można tu mnożyć wymogów formalnych, natomiast należy szukać rozwiązań skłaniających pracodawców do zapewnienia warunków umożliwiających realizację doktoratu lub - w sytuacji ostatecznej - do wczesnej rezygnacji z projektu. Jak widać, większość rekomendacji nie dotyczy celowości, zmiany założeń czy charakteru programu, lecz usprawnienia organizacji, komunikacji i procedur administracyjnych.

Nauka często kojarzy się z laboratoriami, skomplikowanymi wzorami i artykułami naukowymi. Z kolei przemysł postrzegany jest jako świat produkcji, terminów i codziennych problemów wymagających szybkich rozwiązań. Program „Doktorat wdrożeniowy” pokazuje, że te dwa światy mogą się wzajemnie uzupełniać i współistnieć w symbiozie. Między innymi dlatego jest oceniany jako wartościowe i potrzebne narzędzie wspierające współpracę nauki z gospodarką. Wysoki poziom satysfakcji, szczególnie wśród absolwentów, potwierdza skuteczność programu w realizacji jego celów. Jednocześnie wyniki badania wskazują na potrzebę dalszego doskonalenia wybranych procesów organizacyjnych, aby zwiększyć efektywność jego funkcjonowania i komfort uczestników.

Program „Doktorat wdrożeniowy”, uruchomiony w 2017 r., stanowi instrument wspierający współpracę nauki z otoczeniem społeczno-gospodarczym. Jego istotą jest połączenie kształcenia doktoranckiego z zatrudnieniem w przedsiębiorstwie lub innej organizacji, w której prowadzone są badania odpowiadające na konkretne potrzeby praktyczne. Doktorant funkcjonuje zatem jednocześnie w środowisku naukowym i zawodowym, a rezultatem prowadzonych prac powinno być nie tylko przygotowanie rozprawy doktorskiej, lecz również wdrożenie wyników badań. Polski model wpisuje się w rozwijane na świecie koncepcje doktoratów przemysłowych, których wspólnym celem jest transfer wiedzy, technologii i kompetencji pomiędzy uczelniami a gospodarką.

Program osiągnął już znaczącą skalę. W pierwszych siedmiu edycjach, obejmujących lata 2017–2023, zakwalifikowano 2795 doktorantów, a obecnie liczba osób, które kształciły się lub kształcą w jego ramach, przekracza 3000. Program ma wyraźnie techniczny charakter – około 65% projektów realizowanych jest w naukach inżynieryjno-technicznych. Wśród uczestników dominują mężczyźni (71%), choć udział kobiet stopniowo rośnie. Mediana wieku wynosi 32 lata, co wskazuje, że z programu korzystają często osoby posiadające już doświadczenie zawodowe. W realizację siedmiu pierwszych edycji zaangażowanych było 80 podmiotów naukowych oraz ponad 1300 podmiotów współpracujących, przy czym 68% projektów realizowano w sektorze prywatnym. Badania ewaluacyjne pokazują, że główną zaletą programu jest stworzenie możliwości łączenia kariery zawodowej z rozwojem naukowym. Dla wielu uczestników jest to ścieżka, bez której prawdopodobnie nie zdecydowaliby się na doktorat.

Korzyści odnoszą również pracodawcy, którzy rozwijają kompetencje pracowników, uzyskują dostęp do wiedzy naukowej i wzmacniają własny potencjał B+R, oraz uczelnie, dla których program staje się mechanizmem budowania trwałej współpracy z gospodarką. Doktoraty wdrożeniowe mogą prowadzić do powstawania nowych technologii, produktów, usprawnień procesów i rozwiązań organizacyjnych, a nawiązane podczas ich realizacji relacje często są kontynuowane po zakończeniu projektu. Jednocześnie realizacja programu wiąże się z istotnymi wyzwaniami. Doktoranci muszą godzić obowiązki zawodowe, badania, wymagania szkoły doktorskiej i życie prywatne. Powodzenie projektu zależy w dużym stopniu od zaangażowania pracodawcy, zapewnienia czasu i infrastruktury do prowadzenia badań oraz dobrej współpracy pomiędzy doktorantem, promotorem i opiekunem pomocniczym. Szczególnie problematycznym elementem pozostaje długi czas oceny raportów rocznych, wynikający m.in.

z obciążenia administracyjnego, jakości części składanej dokumentacji i liczby zmian wymagających obsługi przez Ministerstwo. Częste są również opóźnienia w finalizacji doktoratów, związane m.in. z trudnością pogodzenia obowiązków zawodowych z naukowymi, przebiegiem badań, publikacjami oraz czynnikami zewnętrznymi i osobistymi. Pomimo tych problemów ogólna ocena programu jest bardzo pozytywna. Szczególnie dobrze oceniają go absolwenci – 83% z nich deklaruje pozytywne doświadczenia związane z udziałem. Również wysoki poziom ukończenia projektów wskazuje na trwałość programu. Najważniejsze rekomendacje nie dotyczą więc zmiany jego podstawowych założeń, lecz usprawnienia sposobu funkcjonowania: skrócenia czasu oceny raportów, ograniczenia obciążeń administracyjnych, zwiększenia zasobów kadrowych MNiSW, dalszego rozwoju systemu OSF, poprawy komunikacji oraz zwiększenia elastyczności szkół doktorskich.

Całościowy wniosek płynący z dotychczasowych analiz jest jednoznaczny – program powinien być kontynuowany i rozwijany, przy równoczesnym doskonaleniu jego organizacji i obsługi.

Jednym z najważniejszych rezultatów projektu realizowanego w ramach Programu „Doktorat wdrożeniowy” jest skuteczne wdrożenie opracowanego rozwiązania. W przeciwieństwie do klasycznych projektów badawczych, których efektem są przede wszystkim publikacje naukowe lub nowe koncepcje teoretyczne, a nawet z elementami praktyki ale bez skonkretyzowanych planów na implementację, projekty realizowane w tym programie ukierunkowane są na zaaplikowanie wymiernych efektów praktycznych. Oznacza to, że wyniki prowadzonych badań muszą znaleźć zastosowanie w rzeczywistym środowisku funkcjonowania przedsiębiorstwa lub instytucji, odpowiadając na konkretne i określone potrzeby oraz - w efekcie finalnym - przyczyniając się do usprawnienia procesów, zwiększenia efektywności lub rozwiązania konkretnego problemu technologicznego, organizacyjnego bądź społecznego.

Ponadto, patrząc na to zagadnienie z punktu widzenia przedsiębiorstwa, z roku na rok widać coraz wyraźniej, że inicjatywa Programu „Doktorat wdrożeniowy” przyczynia się do budowania przewag konkurencyjnych w gospodarce, a on sam daje pracownikom firm i administracji szansę, aby równolegle rozwijać karierę zawodową oraz prowadzić badania o realnej wartości dla organizacji. Dalej, współpraca z uczelnią, dostęp do zaplecza badawczego, możliwość konsultacji z ekspertami oraz praca nad tematem mającym bezpośredni wpływ na innowacje w przedsiębiorstwie – to elementy, które czynią tę ścieżkę wyjątkowo atrakcyjną dla pracowników, a równocześnie niezwykle korzystną dla ich pracodawców. A oni dużo mniej uwagi poświęcają nauce, za to są bardzo zainteresowani przede wszystkim konkretnym wdrożeniem w swoim podmiocie i jego efektami.

Aby zatem nie dopuścić do sytuacji, w której projekt nie będzie miał określonego wdrożenia, w niniejszym rozdziale podjęliśmy temat opracowania definicji wdrożenia, jego charakteru w różnych dziedzinach i dyscyplinach oraz rozróżnienia co wdrożeniem jest a co nie. Przedstawiliśmy założenia i wytyczne do wdrożenia opracowanego rozwiązania, analizując także sposób implementacji przez podmiot wdrażający. Szczególną uwagę poświęcono elementom potwierdzającym praktyczne zastosowanie wyników badań oraz ich wpływ na funkcjonowanie organizacji. Opracowanie ma niejako charakter koncepcyjny, oparty wszelako na doświadczeniach praktycznych autorów wynikających z prowadzenia doktoratów wdrożeniowych.

Przechodząc do meritum, pojęcie wdrożenia jest powszechnie stosowane w badaniach naukowych, projektach aplikacyjnych oraz działaniach interdyscyplinarnych. Występuje ono zarówno w naukach technicznych i medycznych, jak i w naukach społecznych, humanistycznych oraz artystycznych. Pomimo częstego użycia termin wdrożenie pozostaje niejednoznaczny, a jego znaczenie zależy od kontekstu dziedzinowego. To, co w jednej dyscyplinie uznawane jest za pełne wdrożenie, w innej może być traktowane jedynie jako etap pośredni. Brak jednoznacznego rozumienia pojęcia wdrożenia staje się szczególnie problematyczny w badaniach interdyscyplinarnych oraz w projektach o charakterze aplikacyjnym. Różnice w interpretacji tego terminu wpływają na sposób projektowania badań, formułowania celów oraz oceny ich rezultatów. W konsekwencji może to prowadzić do rozbieżnych oczekiwań pomiędzy badaczami, interesariuszami oraz instytucjami finansującymi.

W poszczególnych dziedzinach nauki pojęcie wdrożenia odnosi się często do zupełnie odmiennych działań i aspektów. W naukach technicznych oznacza ono uruchomienie rozwiązania w działającym systemie technicznym, w naukach medycznych i farmaceutycznych - wprowadzenie rozwiązania do praktyki klinicznej lub handlowej (obrotu), natomiast w naukach humanistycznych i społecznych - praktyczne zastosowanie wyników uzyskanych badań w działaniach związanych z edukacją, administracją lub kulturą. Różnice te rzadko są definiowane, choć mają istotne znaczenie dla oceny dojrzałości i użyteczności rezultatów badań. Brak wspólnego i jednoznacznego aparatu pojęciowego utrudnia porównywanie projektów realizowanych w różnych dyscyplinach oraz ocenę stopnia ich wdrożenia. Dotyczy to także - przynajmniej niektórych projektów interdyscyplinarnych, szczególnie tam gdzie łączone są różne dziedziny nauki.

Celem niniejszego rozdziału jest też zaproponowanie spójnego, a jednocześnie uwzględniającego specyfikę dziedzinową ujęcia pojęcia wdrożenia. W pracy przedstawiono uniwersalną definicję wdrożenia, opartą na koncepcji zastosowania wyników badań w rzeczywistych systemach właściwych dla danej dziedziny. Następnie zaprezentowano warianty interpretacyjne tego pojęcia w wybranych obszarach nauki oraz zestawienie porównawcze ukazujące różnice progów wdrożenia pomiędzy dyscyplinami. W końcowej części artykułu omówiono implikacje zaproponowanego podejścia dla badań interdyscyplinarnych oraz projektów o charakterze wdrożeniowym.

Pojęcie wdrożenia funkcjonuje w literaturze naukowej i praktyce badawczej jako termin pozornie intuicyjny, lecz w rzeczywistości wieloznaczny [51]. Jego znaczenie rzadko bywa definiowane explicite, a sposób użycia jest silnie zależny od kontekstu dziedzinowego. W efekcie termin ten bywa stosowany bardzo szeroko: zarówno na określenie zakończenia prac rozwojowych, uruchomienia rozwiązania, jak i osiągnięcia realnego wpływu poza środowiskiem akademickim [52]. Taka rozpiętość znaczeń prowadzi do niejednoznaczności pojęciowej i utrudnia porównywanie rezultatów badań. Jednym z głównych źródeł problemu pojęciowego jest fakt, że wdrożenie bywa utożsamiane i mylone z innymi kategoriami, takimi jak implementacja techniczna, realizacja projektu, komercjalizacja czy upowszechnienie wyników badań [53]. Kategorie te opisują jednak odmienne etapy cyklu życia rozwiązania i odnoszą się do różnych kryteriów jego dojrzałości. Implementacja techniczna może przykładowo oznaczać poprawne wykonanie rozwiązania zgodnie ze specyfikacją, nie przesądzając o jego faktycznym użyciu. Z kolei komercjalizacja dotyczy wprowadzenia rozwiązania na rynek, co nie zawsze jest celem badań aplikacyjnych w obszarach publicznych, społecznych czy kulturowych.

akceptowalność, adekwatność, wykonalność, adopcję, wierność realizacji, przenikanie do praktyki oraz trwałość rozwiązań [58]. Równolegle stosowane są ramy analityczne wspierające identyfikację barier i facylitatorów wdrożenia (np. CFIR) [59] oraz ramy planowania i oceny interwencji uwzględniające poziom indywidualny i organizacyjny (np. RE-AIM) [60]. Ważnym uzupełnieniem jest Normalization Process Theory, wyjaśniająca mechanizmy „wbudowywania” nowych praktyk w rutynę działania organizacji [61]. Bliskim, częściowo nakładającym się nurtem są badania nad translacją wiedzy i badań do praktyki (knowledge translation oraz translational research). W tym ujęciu wdrożenie rozumiane jest jako element szerszego cyklu przejścia od wiedzy do działania, czego przykładem są ramy Knowledge-to-Action [62].

Dodatkowo, modele spektrum translacyjnego porządkują kolejne etapy przechodzenia od badań podstawowych do praktyki klinicznej i wpływu populacyjnego, podkreślając, że progi wdrożenia zmieniają się wraz z etapem i typem systemu docelowego [63]. W naukach społecznych i badaniach organizacyjnych wdrożenie pojawia się w klasycznej literaturze dyfuzji i adopcji innowacji, w której implementation stanowi etap procesu decyzyjnego prowadzącego do rutynowego użycia rozwiązania. Z kolei w administracji publicznej istotny jest nurt policy implementation, w którym implementacja rozumiana jest jako odrębny, złożony etap przełożenia decyzji na praktykę działania instytucji, obciążony ryzykiem rozbieżności między intencją polityki a jej realnym wykonaniem. W obszarach technicznych i przemysłowych wdrożenie bywa powiązane z oceną dojrzałości technologii [64].

Przykładem jest skala Technology Readiness Levels (TRL), która podaje stopień gotowości technologii do zastosowania w warunkach rzeczywistych [65, 66]. W dziedzinach humanistycznych, społecznych oraz artystycznych częściej akcentuje się natomiast kategorię wpływu badań (research impact) i oddziaływania w rzeczywistości pozaakademickiej, co znajduje odzwierciedlenie m.in. w praktykach ewaluacyjnych. Modele takie jak Implementation Research Logic Model [67], wskazują na wielowymiarowość korzyści z badań oraz na konieczność analizy mechanizmów prowadzących od rezultatów naukowych do efektów społecznych i ekonomicznych [68].

Problem pojęciowy wdrożenia ujawnia się szczególnie wyraźnie w badaniach interdyscyplinarnych [69]. Projekty łączące różne dyscypliny operują często jednym terminem „wdrożenie”, mimo że poszczególni uczestnicy projektu mogą przypisywać mu odmienne znaczenia [70]. W konsekwencji może dochodzić do sytuacji, w której wdrożenie jest deklarowane na podstawie kryteriów właściwych dla jednej dziedziny, podczas gdy z perspektywy innej pozostaje ono niepełne lub przedwczesne. Brak wspólnego aparatu pojęciowego utrudnia wówczas zarówno komunikację wewnątrz zespołu badawczego, jak i ocenę projektu przez recenzentów reprezentujących różne obszary wiedzy. Niejasność pojęcia wdrożenia ma również wymiar instytucjonalny. W kontekście projektów finansowanych ze środków publicznych oraz doktoratów wdrożeniowych brak precyzyjnych kryteriów prowadzi do rozbieżności interpretacyjnych pomiędzy wnioskodawcami, instytucjami finansującymi oraz jednostkami ewaluującymi.

Wdrożenie bywa wówczas traktowane jako deklaratywny cel projektu, bez jednoznacznego wskazania, w jakim systemie i według jakich kryteriów ma ono zostać osiągnięte [71]. Jednocześnie literatura rzadko oferuje syntetyczne, przekrojowe ujęcie, które umożliwiałoby porównywanie progów wdrożenia pomiędzy dyscyplinami oraz wspierało komunikację w projektach interdyscyplinarnych. Powyższe problemy wskazują na potrzebę uporządkowania pojęcia wdrożenia w sposób, który z jednej strony zachowuje jego dziedzinową specyfikę, z drugiej zaś umożliwia porównywanie i komunikowanie stopnia wdrożenia w badaniach interdyscyplinarnych. Ta luka motywuje zaproponowanie w niniejszej pracy ujednoliconej, a zarazem dziedzinowo świadomej definicji wdrożenia wraz z ramą porównawczą. W dalszej części artykułu zaproponowano też uniwersalne ujęcie wdrożenia oraz zestawienie wariantów interpretacyjnych tego pojęcia w różnych obszarach nauki.

Punktem wyjścia do uniwersalnej definicji wdrożenia jest zatem założenie, że wspólnym mianownikiem wszystkich form wdrożenia jest zastosowanie wyników badań w rzeczywistym systemie właściwym dla danej dziedziny. Na potrzeby dalszych rozważań wdrożenie można zdefiniować jako proces praktycznego zastosowania wyników badań, koncepcji lub rozwiązań w rzeczywistym systemie właściwym dla danej dziedziny, prowadzący do ich faktycznego, trwałego i odpowiedzialnego wykorzystania również poza środowiskiem ich opracowania. Zaproponowana definicja akcentuje kilka istotnych elementów, które pozwalają odróżnić wdrożenie od pojęć w stosunku do niego pokrewnych. Po pierwsze, wdrożenie jest rozumiane jako proces, a nie jednorazowe zdarzenie, co podkreśla jego dynamiczny i etapowy charakter. Po drugie, definicja wskazuje na konieczność praktycznego zastosowania, a nie jedynie formalnego zakończenia prac badawczych lub rozwojowych.

Po trzecie, centralną rolę odgrywa kategoria rzeczywistego systemu, która pozwala uchwycić dziedzinową specyfikę wdrożenia bez redukowania go do jednego, uniwersalnego kryterium o charakterze technicznym. Istotnym elementem zaprezentowanej definicji jest również wymóg faktycznego wykorzystania rozwiązania. Oznacza to, że wdrożenie nie zachodzi w sytuacji, gdy rozwiązanie zostało jedynie opracowane, zainstalowane lub zadeklarowane jako gotowe do użycia, lecz dopiero wtedy, gdy jest realnie stosowane w docelowym systemie. Wymóg ten pozwala odróżnić wdrożenie od implementacji technicznej, pilotażu czy fazy testowej, które co prawda mogą, ale nie muszą, prowadzić do faktycznego użycia konkretnego, opracowanego rozwiązania. Kolejnym wyróżnikiem wdrożenia jest jego trwałość. Wdrożenie nie może być utożsamiane z jednorazowym zastosowaniem lub krótkotrwałym eksperymentem, lecz zakłada pewien stopień stabilności i powtarzalności zastosowania.

Trwałość ta, w zależności od dziedziny może przyjmować różne formy, począwszy od ciągłej eksploatacji systemu technicznego, poprzez swoistą rutynizację praktyk organizacyjnych, aż po stałą obecność dzieła w obiegu kulturowym. Przedstawiona definicja podkreśla wreszcie aspekt, który można określić jako odpowiedzialność za skutki zastosowania. Wdrożenie niejako implikuje przejęcie odpowiedzialności za konsekwencje użycia rozwiązania w rzeczywistym systemie, w tym za jego wpływ techniczny, społeczny, zdrowotny lub kulturowy - tu też jest to funkcją obszaru badań. Element ten odróżnia wdrożenie od działań o charakterze wyłącznie eksperymentalnym i jest szczególnie istotny w dziedzinach regulowanych oraz w badaniach o potencjalnie istotnych skutkach społecznych. Zaproponowane ujęcie - co ważne - nie eliminuje dziedzinowych różnic w rozumieniu pojęcia wdrożenia, ale stanowi pewną ramę pojęciową umożliwiającą ich dogodne porównanie.

Tak określone wdrożenie może mieć różne warianty interpretacyjne w wybranych obszarach nauki, przyjmując odmienne postacie w zależności od typu systemu rzeczywistego oraz kryteriów uznania procesu za zakończony.

Zastosowanie zaproponowanej w poprzednim rozdziale uniwersalnej definicji wdrożenia wymaga wszelako uwzględnienia faktu, że w poszczególnych obszarach nauki pojęcie to odnosi się do odmiennych typów systemów rzeczywistych oraz warunków zamykających proces. Prześledźmy teraz dziedzinowe warianty wdrożenia, aby zilustrować, w jaki sposób ta sama kategoria pojęciowa może przyjmować odmienne znaczenia operacyjne.

Zacznijmy od obszaru wydającego się najbardziej oczywistym, a mianowicie nauk technicznych i inżynierskich. W naukach tych wdrożenie ma ściśle określony, pragmatyczny sens, wyraźnie różny od samej implementacji czy publikacji wyników badań i oznacza zastosowanie rozwiązania w działającym systemie technicznym oraz jego eksploatację w warunkach operacyjnych [72, 73]. Jest to zatem efekt finalny procesu przeniesienia wyników badań naukowych lub prac rozwojowych do praktycznego zastosowania, w którym rozwiązanie działa w rzeczywistym środowisku technicznym i spełnia wymagania użytkowe, produkcyjne lub eksploatacyjne. Kluczowym technicznym kryterium wdrożenia jest tu funkcjonowanie rozwiązania poza środowiskiem laboratoryjnym, w realnym kontekście użytkowym (w zakładzie, systemie, sieci, linii produkcyjnej, infrastrukturze IT).

Musi ono ponadto być eksploatowane (nie tylko uruchomione, ale faktycznie używane), spełniać określone wymagania techniczne i normy (bezpieczeństwo, niezawodność, kompatybilność, skalowalność) oraz być powtarzalne i możliwe do utrzymania (możliwe do utrzymania przez dłuższy czas, serwisowania i - zależnie od sytuacji - powielania itp) [74]. Prototypy, instalacje pilotażowe czy demonstratory technologii mogą stanowić etapy poprzedzające wdrożenie, ale przeważnie nie mogą być z nim utożsamiane, o ile oczywiście rozpatrywane rozwiązanie nie jest faktycznie wykorzystywane w docelowym systemie. Jeżeli przeanalizujemy kolejne etapy procesu badawczo wdrożeniowego, to znaczy model teoretyczny, symulacja, prototyp laboratoryjny, prototyp w warunkach rzeczywistych, instalacja w środowisku operacyjnym i eksploatacja przez użytkownika, to progiem warunkującym dla tak pojmowanego wdrożenia jest prototyp w warunkach rzeczywistych.

Idąc dalej tym tropem, możemy określić co przykładowo w poszczególnych sferach inżynierskich jest wdrożeniem a co nie. W inżynierii mechanicznej wdrożeniem jest zatem np. zbudowana nowa maszyna lub urządzenie pracująca na linii produkcyjnej [75], na podstawie przedwdrożeniowej nowej konstrukcji i laboratoryjnego prototypu. Jest to także nowy element, przedmiot produkowany seryjnie i pracujący w konkretnej aplikacji, po opracowaniu nowej geometrii i technologii oraz prototypie wykonanym w warunkach badawczych (np. w laboratorium) oraz prototypem testowanym w warunkach zbliżonych do produkcyjnych. W automatyce przed wdrożeniem opracowany może być algorytm sterowania dla symulacji systemu, po czym pojawi się układ testowany w warunkach poligonowych, jako próg dla wdrożenia, czyli konkretnego systemu sterującego działającego w instalacji przemysłowej (integracja algorytmu sterowania lub systemu automatyki z realnym obiektem technicznym).

Podobnie dla informatyki - najpierw ułożony będzie algorytm i kod (a nawet aplikacja demo), natomiast jako wdrożenie uznany zostanie system działający w środowisku produkcyjnym i obsługiwany przez użytkowników, czyli rzeczywiste uruchomienie systemu informatycznego w środowisku produkcyjnym i jego faktyczne użycie. Energetyka również rozpocznie prace od modelu układu energetycznego i instalacji testowej, po której nastąpi instalacja pilotażowa, a na jej bazie przyłączenie (system) i eksploatacja rozwiązania w istniejącej infrastrukturze energetycznej, czyli wdrożenie. Analogicznie do tematu podejdzie inżynieria materiałowa, gdzie opracowany nowy stop i jego próbki laboratoryjne przejdą testy aplikacyjne, po których nastąpi właściwe zastosowanie nowego materiału lub technologii materiałowej w realnym wyrobie (wdrożeniem będzie właśnie materiał używany w produkcie rynkowym).

I wreszcie inżynieria środowiska, gdzie koncepcja oczyszczania i instalacja pilotowa oraz faza testowa doprowadzą do wdrożenia w postaci instalacji działającej w oczyszczalni ścieków.

Przejdźmy teraz do nauk biologicznych. W tym obszarze wdrożenie ma inny charakter niż w klasycznych naukach inżynierskich, ale nadal zachowuje ten sam rdzeń: przejście od wiedzy do praktycznego zastosowania. Różnica polega na tym, że „systemem rzeczywistym” nie jest maszyna, lecz organizm, populacja lub proces biologiczny [76]. Wdrożenie w naukach biologicznych oznacza więc zastosowanie wyników badań biologicznych w praktyce klinicznej, środowiskowej, rolniczej lub przemysłowej, prowadzące do mierzalnego efektu biologicznego poza warunkami laboratoryjnymi. Może przy tym obejmować zastosowanie organizmów, procesów biologicznych lub rozwiązań biotechnologicznych w skali środowiskowej, produkcyjnej lub klinicznej. Kryterium wdrożenia stanowi tu osiągnięcie mierzalnego i powtarzalnego efektu biologicznego w warunkach rzeczywistych, z uwzględnieniem zmienności biologicznej i ograniczeń regulacyjnych (jeśli występują).

Znów posługując się przykładami i nie odchodząc za daleko od inżynierii środowiska dla ekologii okres przed wdrożeniem dotyczyć będzie modelu populacyjnego i symulacji ekosystemowych aż do programu pilotażowego, jako wartości granicznej dla wdrożenia działającego programu ochrony gatunku lub siedliska. Z kolei dla biologii molekularnej badania będą obejmować identyfikację genu lub szlaku metabolicznego oraz testy in vitro, po których jako próg odbędą się testy pilotażowe, a jako wdrożenie przyjmiemy produkcję białka lub enzymu w skali przemysłowej. Mikrobiologia najpierw wyizoluje szczep w laboratorium, dokona fermentacji w skali laboratoryjnej i pilotowej, po czym wdroży proces fermentacyjny działający w warunkach przemysłowych jako zastosowanie mikroorganizmów lub procesów biologicznych w produkcji.

Biologia stosowana aplikowana dla rolnictwa zajmie się selekcją genotypu w warunkach szklarniowych i testami laboratoryjnymi, po czym pojawią się poletka doświadczalne jako wstęp do wdrożenia określonej odmiany uprawianej przez rolników lub sadowników czyli zastosowania wyników badań biologicznych w produkcji rolniczej.

Kolejna dziedzina nauk to nauki o żywności. Tutaj wdrożenie ma znaczenie bardzo zbliżone do nauk inżynierskich i biologicznych, ale z kluczowym akcentem na bezpieczeństwo żywności, skalę produkcji i poniekąd również akceptację konsumencką [77]. Bardzo wyraźnie widoczne jest to, że produkt lub technologia faktycznie trafia do produkcji i obrotu, a nie tylko funkcjonuje poprawnie w laboratorium. Wdrożenie oznacza zatem wprowadzenie nowego produktu spożywczego, składnika, receptury lub technologii przetwarzania do produkcji przemysłowej i obrotu rynkowego, z zachowaniem wymagań bezpieczeństwa, jakości i prawa żywnościowego albo praktyczne zastosowanie wyników badań w produkcji lub obrocie żywnością, prowadzące do wprowadzenia bezpiecznego i zgodnego z prawem produktu lub technologii do realnego użycia rynkowego. W tym obszarze ważne są szczególnie (oprócz skali przemysłowej i powtarzalności), bezpieczeństwo zdrowotne konsumenta i zgodność z prawem żywnościowym.

Podając przykład z przetwórstwa, podobnie jak w biologii zaczniemy od receptury opracowanej w laboratorium i prób technologicznych aż do skali pilotowej, po której jako wdrożenie nastąpi uruchomienie technologii w rzeczywistym zakładzie produkcyjnym i będąca jego wynikiem seryjna produkcja spożywcza. Jeśli rozważymy wprowadzenie na rynek nowego produktu spożywczego, to pierwszym etapem będzie sam koncept produktu, po nim przygotowany zostanie prototyp sensoryczny, który progowo będzie musiał przejść testy konsumenckie, a wdrożenie oznaczać będzie wprowadzenie produktu na rynek i jego dostępność w sprzedaży detalicznej. Analizując bezpieczeństwo żywności, zaczniemy od opracowania metody detekcji patogenu w laboratorium i poprzez walidację tej metody dojdziemy do wdrożenia czyli sposobu realizacji rutynowej kontroli jakości w zakładzie, jako zastosowanie metod zapewnienia bezpieczeństwa w praktyce produkcyjnej.

W kwestii opakowań i logistyki żywności kolejne fazy działania to nowy materiał opakowaniowy i jego badania laboratoryjne, testy związane z przechowywaniem i jako wdrożenie opakowanie używane w dystrybucji rynkowej czyli zastosowanie nowego rozwiązania opakowaniowego lub logistycznego w łańcuchu dostaw. Wdrożeniem w tym obszarze nie będzie zatem sama receptura „na papierze”, próbki laboratoryjne i badania na nich wykonane oraz ich interpretacja, przeprowadzenie prób technologicznych, a nawet jednorazowa partia próbna bez ciągłości, czyli dalszych partii, jeśli rozwiązanie nie funkcjonuje w realnym łańcuchu produkcji i dystrybucji. Dla potrzeb realizacji doktoratu wdrożeniowego oczywiście nie ma konieczności wykazania akceptacji konsumentów, ryzyko w tym aspekcie leży całkowicie po stronie wdrażającego.

W naukach medycznych wdrożenie ma zdecydowanie bardziej charakter formalny i regulowany i jest silnie powiązane z bezpieczeństwem pacjenta, skutecznością kliniczną i procedurami formalnymi [78]. Oznacza ono wprowadzenie konkretnego rozwiązania lekarskiego (np. terapii) do praktyki klinicznej lub systemu ochrony zdrowia po spełnieniu wymogów skuteczności, bezpieczeństwa oraz po uzyskaniu odpowiednich zgód instytucjonalnych. Same badania kliniczne, nawet w zaawansowanych fazach, nie są jeszcze wdrożeniem, które faktycznie następuje dopiero w momencie rutynowego stosowania rozwiązania w opiece nad pacjentem. Z kolei w farmacji wdrożenie oznacza doprowadzenie produktu leczniczego lub technologii farmaceutycznej do etapu dopuszczenia do obrotu oraz jej codziennego stosowania zgodnie z obowiązującym prawem. Wdrożenie jest tu zatem silnie powiązane z procesami rejestracyjnymi, kontrolą jakości oraz nadzorem po rejestracji.

Prace badawczo-rozwojowe, walidacja czy produkcja pilotażowa stanowią etapy poprzedzające wdrożenie, lecz nie są z nim utożsamiane. Znów posługując się konkretnymi przykładami w naukach biomedycznych - podobnie jak w obszarach związanych z biologią - prace rozpoczną się od odkrycia biomarkera i poprzez walidację laboratoryjną i testy przedkliniczne osiągną fazę badań klinicznych, a konkretnym wdrożeniem będzie test diagnostyczny lub terapia stosowana u pacjentów. Podobnie, w medycynie klinicznej (diagnostyka i terapia), w której celem jest dopuszczenie i stosowanie metody diagnostycznej lub terapeutycznej u pacjentów, początkiem będzie odkrycie mechanizmu choroby, po nim przeprowadzone zostaną badania przedkliniczne i kliniczne, a dopiero ich efektem - jako wdrożenie - stanie się metoda wpisana do standardów leczenia i stosowana w praktyce.

Rozważając kwestię zdrowia publicznego i systemu ochrony zdrowia nakierowany na zastosowanie wyników badań w polityce zdrowotnej lub organizacji systemu opieki zdrowotnej, działania rozpocznie analiza epidemiologiczna i rekomendacje ekspertów, co doprowadzi do programu pilotażowego, a za wdrożenie uznany zostanie regionalny, ogólnokrajowy lub międzynarodowy program profilaktyczny. W farmacji, gdzie efektem finalnym powinno być doprowadzenie substancji leczniczej, produktu leczniczego lub technologii farmaceutycznej do etapu dopuszczenia do obrotu i jej rutynowego stosowania (dopuszczenie leku do obrotu i jego stosowanie w terapii), po indentyfikacji cząsteczki, badaniach in vitro, in vivo oraz klinicznych, faza wdrożenia obejmuje konkretny lek zarejestrowany i przepisywany pacjentom. Jeśli mówimy o wprowadzeniu technologii, to wdrożeniem będzie zastosowanie technologii wytwarzania w produkcji przemysłowej.

Całe prace powinny obejmować formulację w skali laboratoryjnej, pilotażowe badania stabilności, walidację procesu i skalę półtechniczną aby finalnie doprowadzić do stabilnej seryjnej produkcji leków (np. tabletek). Wdrożeniem może być również zastosowanie wiedzy farmaceutycznej w praktyce klinicznej, gdzie po opracowaniu wytycznych i rekomendacji pojawi się program pilotażowy zakończony wprowadzeniem procedur farmakoterapii stosowanych w szpitalu. W prezentowanym obszarze najwyraźniej widoczne jest to, że nie istnieje „częściowe wdrożenie” — albo metoda spełnia wszystkie kryteria, albo nie jest wdrożona. Ponadto, przeważnie wprowadzenie wyniku badań naukowych do praktyki klinicznej lub systemu ochrony zdrowia, możliwe jest dopiero po wykazaniu jego skuteczności, bezpieczeństwa i po uzyskaniu wymaganych zgód regulacyjnych. W takim układzie nie jest ono decyzją badacza, lecz procesem systemowym, decyzją podmiotu regulacyjnego.

Ale wdrożenie funkcjonuje także poza naukami o charakterze stricte materialnym. W administracji publicznej oznacza ono instytucjonalne wprowadzenie regulacji, polityk publicznych lub systemów organizacyjnych do bieżącej praktyki działania organów publicznych [79]. Kluczowym kryterium wdrożenia nie jest tu produkt, ale faktyczne stosowanie nowych rozwiązań przez instytucje, urzędy lub ogólnie państwo oraz ich dostępność dla obywateli. Samo uchwalenie decyzji lub uruchomienie systemu informatycznego (z którego być może nikt nie korzysta) nie stanowi wdrożenia, jeżeli nie prowadzi do realnej zmiany praktyki administracyjnej. Wdrożenie oznacza więc praktyczne wprowadzenie aktu prawnego, polityki publicznej, programu lub systemu organizacyjnego do bieżącego funkcjonowania instytucji, wraz z zapewnieniem jego stosowania przez urzędników i obywateli. Analizując przykład z obszaru prawa, proces rozpoczyna nowa procedura lub projekt ustawy, jej uchwalenie i tzw.

W całym tym obszarze nauk warunkiem wdrożenia jest zatem nie tylko formalna podstawa prawna, ale także gotowość instytucji, a przede wszystkim stosowanie w praktyce i dostępność dla obywateli. Natomiast klasyczne zarządzanie jako wdrożenie przyjmuje zastosowanie modeli, strategii lub narzędzi w realnej organizacji, jak również faktyczną zmianę procesów w firmie, niezależnie od jej profilu działalności [80]. Badania obejmować będą przede wszystkim stworzenie i weryfikację teoretyczną samego modelu zarządzania. Należy przy tym zaznaczyć, że efekt wdrożenia będzie tutaj mierzony zdecydowanie bardziej wynikiem finansowym z punktu widzenia biznesu, a nie poprawnością teoretyczną.

W naukach o sporcie wdrożenie ma znaczenie praktyczno-operacyjne i oznacza bezpośrednie przełożenie wiedzy naukowej na realne działanie treningowe, organizacyjne (efektywność systemu funkcjonowania sportu) lub rehabilitacyjne [84]. Kryterium wdrożenia stanowi faktyczne wykorzystanie metod, programów lub narzędzi w cyklu szkoleniowym oraz osiągnięcie mierzalnych efektów sportowych lub zdrowotnych. Efekt musi być zatem zastosowany w rzeczywistym środowisku sportowym, a nie tylko opisany lub przetestowany laboratoryjnie. Kryterium tego nie spełniają również jednorazowe testy lub interwencje pilotażowe. Przykładowo, rozważając teorię i metodykę treningu sportowego, jako wdrożenie uznamy realne zastosowanie programu treningowego lub metody treningowej w cyklu szkoleniowym.

Będą one poprzedzone naturalnie częścią badawczą, czyli modelem teoretycznym adaptacji wysiłkowej, programem treningowym „na papierze” i testami pilotażowymi, a efektem będzie konkretny program realizowany przez trenera i zawodników w sezonie startowym. Dla fizjologii czy biomechaniki wdrożeniem jest zastosowanie wiedzy fizjologicznej lub biomechanicznej w praktyce sportowej. Całość prac rozpoczną badania laboratoryjne i analiza biomechaniczna ruchu, po nich nastąpią określone zalecenia treningowe, a efektem stanie się zmiana techniki biegu, skoku, rzutu itp. lub obciążenia treningowego u zawodników. Podobnie przedstawia się kwestia psychologii sportu - tu jako wdrożenie można przyjąć zastosowanie wypracowanej interwencji psychologicznej w realnym procesie treningowym lub startowym.

Można to rozpocząć od modelu zarządzania talentami i opracowania strategii szkoleniowej, aby poprzez pilotaż w jednej sekcji lub klubie otrzymać system szkolenia funkcjonujący w konkretnym obszarze lub związku sportowym. Wspólny mianownik wdrożenia w sporcie jest zatem bezpośrednie przełożenie na praktykę i działanie w realnym środowisku sportowym oraz trwałość rozwiązania, ważny jest także mierzalny efekt sportowy lub zdrowotny, a konieczne jest także zaangażowanie trenerów i zawodników. Wdrożeniem nie są natomiast testy laboratoryjne bez przełożenia na trening, rekomendacje bez stosowania oraz - podobnie jak w innych naukach - jednorazowa interwencja bez ciągłości.

Bardzo wiele działań i projektów występujących współcześnie ma charakter interdyscyplinarny [85, 86]. Obszary, które warto w tym miejscu wymienić to medtech, edtech, foodtech, govtech czy art & science. Tu bardzo często, na pograniczu dwóch lub więcej obszarów nauki pojawiają się najciekawsze wynalazki i wdrożenia. Sztywne przypisanie do jednej tylko, konkretnej dyscypliny i brak wychodzenia poza nią wcale nie jest pozytywne i korzystne z holistycznego punktu widzenia. Nauka jako całość nie zna granic pomiędzy swoimi dyscyplinami i dziedzinami, zostały one - często dość sztucznie - określone przez człowieka. Wszelką interdyscyplinarność i umiejętność wykorzystania wiedzy z jednego obszaru w innym, czasem mocno odległym, warto zatem postrzegać bardzo pozytywnie. Wdrożenie w ujęciu interdyscyplinarnym, wychodząc z logicznej koniunkcji, oznacza osiągnięcie najbardziej restrykcyjnego progu wdrożenia spośród łączonych dziedzin.

Coraz powszechniejsze jest wdrożenie, będące połączeniem konkretnej dyscypliny i technologii cyfrowych [87, 88]. Posługując się przykładem, medycyna cyfrowa jako wdrożenie uzna uruchomienie i stosowanie cyfrowej technologii medycznej w systemie opieki zdrowotnej, czyli na przykład certyfikowane oprogramowanie używane przez lekarzy. Jego początkiem będzie algorytm sztucznej inteligencji do celów diagnostycznych, który przejdzie walidację techniczną i badania o charakterze klinicznym. Z kolei dla administracji cyfrowej (e-government) wdrożenie stanie się uruchomienie i realne użycie systemu IT, z którego faktycznie korzystać będą obywatele i urzędnicy. Prace w tym zakresie rozpoczną się od projektu systemu, poprzez testy do uruchomienia technicznego. Podobnie w bardzo się ostatnio rozwijającej sztuce cyfrowej wdrożenie to działająca instalacja interaktywna lub projekt online, czyli uruchomienie dzieła w działającym środowisku technologicznym.

Zanim do tego dojdzie pojawi się koncepcja, kod źródłowy i wersja testowa.

Zaproponowana w niniejszym artykule rama pojęciowa wdrożenia niesie istotne implikacje dla projektowania, realizacji oraz oceny badań o charakterze interdyscyplinarnym i aplikacyjnym. Kluczową konsekwencją przyjęcia uniwersalnej, a zarazem dziedzinowo zróżnicowanej definicji wdrożenia jest możliwość bardziej precyzyjnego określania celów badawczych oraz kryteriów ich osiągnięcia w projektach łączących różne obszary wiedzy. W badaniach interdyscyplinarnych szczególnego znaczenia nabiera kwestia zgodności rozumienia wdrożenia pomiędzy uczestnikami projektu. Jak pokazano w poprzednim rozdziale, poszczególne dyscypliny operują odmiennymi kryteriami uznania procesu za wdrożony. Brak ich wyraźnego uzgodnienia może prowadzić do sytuacji, w której wdrożenie jest deklarowane na podstawie kryteriów właściwych dla jednej dziedziny, mimo że z perspektywy innej pozostaje ono niepełne.

Zaproponowana rama pojęciowa umożliwia identyfikację tych różnic na wczesnym etapie projektu i wspiera wypracowanie wspólnego języka komunikacji. Istotną implikacją dla projektów interdyscyplinarnych jest zasada, zgodnie z którą wdrożenie w takim projekcie powinno być uznawane za osiągnięte dopiero po spełnieniu najbardziej restrykcyjnego progu wdrożenia spośród zaangażowanych dziedzin. Zasada ta nie narzuca jednolitego standardu wdrożenia, lecz odzwierciedla odpowiedzialność za funkcjonowanie rozwiązania w najbardziej wymagającym systemie rzeczywistym. Jej zastosowanie może zapobiegać przedwczesnemu ogłaszaniu wdrożenia oraz ułatwiać uczciwą ocenę stopnia dojrzałości rezultatów badań.

Proponowane ujęcie ma również znaczenie dla projektów o charakterze wdrożeniowym, w tym dla doktoratów wdrożeniowych. Jasne rozróżnienie pomiędzy etapami prac badawczych, implementacją techniczną, pilotażem a faktycznym wdrożeniem pozwala lepiej określić zakres odpowiedzialności doktoranta oraz realne cele projektu. W szczególności umożliwia ono oddzielenie rezultatów o charakterze naukowym od efektów wdrożeniowych, bez deprecjonowania żadnego z tych wymiarów. Z perspektywy instytucji finansujących oraz jednostek ewaluujących zaproponowana rama może stanowić narzędzie wspierające bardziej spójną ocenę projektów aplikacyjnych. Odniesienie wdrożenia do konkretnego systemu rzeczywistego oraz do dziedzinowych kryteriów jego uznania pozwala na bardziej transparentne formułowanie oczekiwań i ogranicza ryzyko rozbieżnych interpretacji pomiędzy wnioskodawcami a recenzentami.

Wreszcie, zaproponowane podejście ma znaczenie dla komunikacji wyników badań poza środowiskiem akademickim. Precyzyjne określenie, na czym polega wdrożenie w danym kontekście, ułatwia dialog z interesariuszami zewnętrznymi, takimi jak partnerzy przemysłowi, instytucje publiczne czy organizacje społeczne. W dłuższej perspektywie może to sprzyjać bardziej realistycznemu planowaniu projektów wdrożeniowych oraz zwiększać zaufanie do badań o charakterze aplikacyjnym.

W niniejszym rozdziale skupiono się na uporządkowaniu pojęcia wdrożenia, które pomimo powszechnego stosowania w badaniach naukowych i projektach rozwojowych pozostaje wieloznaczne i silnie zależne od kontekstu dziedzinowego. Przeprowadzona analiza wykazała, że brak jednoznacznie zdefiniowanego rozumienia wdrożenia może stanowić istotne źródło nieporozumień w badaniach interdyscyplinarnych oraz w projektach zorientowanych na zastosowanie praktyczne, czyli po prostu wdrożeniowych. W jej wyniku zaproponowano uniwersalną definicję wdrożenia, opartą na przesłankach zastosowania wyników badań w rzeczywistym systemie właściwym dla danej dziedziny. Ujęcie to pozwala zachować dziedzinową specyfikę wdrożenia, jednocześnie umożliwiając jego porównywanie pomiędzy różnymi obszarami nauki. Przedstawione warianty dla różnych obszarów nauki pokazują, że wdrożenie nie jest jednorodnym etapem procesu badawczego, lecz zjawiskiem o zróżnicowanych progach i kryteriach uznania.

Istotnym wnioskiem pracy jest wskazanie na konieczność świadomego określania systemu rzeczywistego, w którym ma zachodzić wdrożenie, oraz kryteriów uznania procesu za zakończony. Szczególne znaczenie ma to w badaniach interdyscyplinarnych, gdzie zaproponowana zasada najbardziej restrykcyjnego progu wdrożenia może stanowić użyteczne narzędzie porządkujące oczekiwania badawcze i ewaluacyjne. Zaproponowana rama pojęciowa może znaleźć zastosowanie zarówno w projektowaniu i ocenie badań aplikacyjnych, jak i w kontekście doktoratów wdrożeniowych oraz innych form badań zorientowanych na praktykę. Jej wartość polega nie na narzucaniu jednolitej definicji wdrożenia, lecz na dostarczeniu wspólnego języka umożliwiającego bardziej precyzyjną komunikację pomiędzy dyscyplinami. Oczywiście, przedstawione tutaj przykłady nie wyczerpują możliwości ani poszczególnych dyscyplin, ani w obszarze interdyscyplinarnym. Mogą jednak być przewodnikiem dotyczącym przesłanek do oceny działalności wdrożeniowej i jej potencjału.

Proces wdrożenia ma również istotne znaczenie z punktu widzenia trwałości rezultatów projektu. Włączenie opracowanego rozwiązania do codziennej działalności organizacji świadczy o jego dojrzałości technologicznej i organizacyjnej oraz potwierdza możliwość jego długoterminowego wykorzystania. Jednocześnie stanowi dowód efektywnej współpracy pomiędzy jednostką naukową a partnerem wdrażającym, będącej jednym z podstawowych założeń Programu „Doktorat wdrożeniowy”.

Program „Doktorat wdrożeniowy” od początku swojego funkcjonowania obejmuje bardzo szerokie spektrum projektów realizowanych w różnych dziedzinach i dyscyplinach naukowych, sektorach gospodarki oraz typach organizacji. Łączy badania podstawowe i stosowane, prace rozwojowe oraz działania bezpośrednio prowadzące do wdrożenia nowych technologii, produktów, usług lub usprawnień organizacyjnych. Tak duża różnorodność sprawia, że poszczególne doktoraty znacząco różnią się zakresem badań, sposobem organizacji współpracy, rolą partnera gospodarczego oraz ścieżką prowadzącą do osiągnięcia efektów wdrożeniowych.

Analiza doświadczeń zgromadzonych w kolejnych edycjach programu pokazuje jednak, że mimo tej różnorodności można wyróżnić charakterystyczne schematy realizacji projektów. Poszczególne doktoraty często przebiegają według podobnej logiki – rozpoczynają się od identyfikacji problemu praktycznego lub potrzeby przedsiębiorstwa, następnie obejmują etap badań naukowych, opracowania rozwiązania, jego weryfikacji oraz wdrożenia, kończąc się uzyskaniem wymiernych korzyści zarówno dla partnera gospodarczego, jak i dla rozwoju wiedzy naukowej. Różnice dotyczą przede wszystkim charakteru problemu, sposobu prowadzenia badań, stopnia zaangażowania partnerów oraz rodzaju oczekiwanych rezultatów.

Z tego względu opracowano cztery modele doktoratów wdrożeniowych, które przedstawiają bardzo różnorodne zakresy działalności. Są one opisem wyimaginowanych przypadków, ale stanowią raczej uogólnione modele referencyjne, opracowane na podstawie analizy rzeczywistych projektów oraz doświadczeń zwłaszcza recenzentów, ale także doktorantów, promotorów, przedsiębiorców i instytucji zaangażowanych w realizację programu. Celem opracowania modeli jest przede wszystkim uporządkowanie wiedzy o sposobach realizacji doktoratów wdrożeniowych oraz stworzenie praktycznego narzędzia wspierającego przygotowanie nowych projektów. Mogą one pomóc przyszłym doktorantom lepiej zrozumieć przebieg całego procesu i właściwie zaplanować kolejne etapy prac. Promotorom i opiekunom z przedsiębiorstw ułatwiają określenie zakresu odpowiedzialności poszczególnych stron, zaplanowanie współpracy oraz identyfikację potencjalnych ryzyk już na etapie przygotowywania projektu. Dla przedsiębiorców modele stanowią natomiast wskazówkę, w jaki sposób efektywnie wykorzystać potencjał współpracy z jednostką naukową oraz jak powiązać działania badawcze z rzeczywistymi potrzebami organizacji.

Przedstawione modele mogą znaleźć zastosowanie również podczas szkoleń, warsztatów oraz działań informacyjnych dotyczących Programu „Doktorat wdrożeniowy”. Mogą także służyć jako punkt odniesienia przy ocenie przygotowywanych projektów, ułatwiać wymianę doświadczeń pomiędzy uczestnikami programu oraz wspierać upowszechnianie dobrych praktyk wypracowanych w kolejnych edycjach. Ich wykorzystanie zwiększa przejrzystość procesu realizacji doktoratów wdrożeniowych, ułatwia komunikację pomiędzy wszystkimi interesariuszami oraz pomaga budować wspólne standardy prowadzenia projektów badawczo-wdrożeniowych.

Należy podkreślić, że zaprezentowane modele nie mają charakteru zamkniętego katalogu ani obowiązujących schematów postępowania. Program „Doktorat wdrożeniowy” pozostaje elastyczny i umożliwia dostosowanie sposobu realizacji projektu do specyfiki dyscypliny naukowej, przedsiębiorstwa oraz problemu badawczego. Przedstawione modele mają charakter pomocniczy – pokazują sprawdzone rozwiązania, identyfikują kluczowe elementy procesu oraz wskazują zależności pomiędzy poszczególnymi etapami realizacji projektu. Dzięki temu mogą ograniczać ryzyko błędów organizacyjnych, ułatwiać planowanie działań oraz zwiększać prawdopodobieństwo skutecznego wdrożenia rezultatów badań do praktyki gospodarczej.

Jedną z podstawowych dyscyplin inżynierii jest inżynieria mechaniczna, która obejmuje projektowanie, analizę, wytwarzanie oraz eksploatację maszyn i urządzeń. Do jej zainteresowań — z punktu widzenia zakładu przemysłowego — należą m.in. konstrukcja, technologie wytwarzania i metrologia, czyli trzy podstawowe elementy niezbędne do realizacji zadań produkcyjnych. Metrologia, czyli nauka o pomiarach, przenika praktycznie wszystkie obszary inżynierii mechanicznej, wspierając projektowanie, weryfikując technologię i oceniając jakość wykonania w produkcji. Szczególnym obszarem jest metrologia wielkości geometrycznych, która zajmuje się pomiarem kształtu, wymiarów i struktury powierzchni, pozwalając na ocenę czy rzeczywiste elementy odpowiadają założeniom konstrukcyjnym. W dobie zaawansowanych technologii, takich jak przemysł lotniczy, motoryzacyjny czy medyczny, nawet minimalne odchylenia geometryczne mogą prowadzić do poważnych konsekwencji, dlatego dokładne pomiary są niezbędne na każdym etapie produkcji i kontroli jakości.

Szczególne znaczenie ma metrologia powierzchni, która zajmuje się analizą struktury geometrycznej powierzchni, w tym jej chropowatości, falistości oraz topografii. Powierzchnia elementu decyduje o jego właściwościach funkcjonalnych, takich jak tarcie, zużycie, szczelność czy zdolność do przenoszenia obciążeń. Na przykład w układach mechanicznych odpowiednia chropowatość powierzchni wpływa na trwałość i sprawność działania, natomiast w medycynie – na integrację implantów z tkanką. Rozwój nowoczesnych metod pomiarowych pozwala na coraz dokładniejsze i bardziej kompleksowe badanie powierzchni. Dzięki temu możliwe jest nie tylko wykrywanie wad, ale również optymalizacja procesów technologicznych. Metrologia powierzchni wspiera więc innowacje, zwiększa efektywność produkcji i przyczynia się do podnoszenia standardów jakości.

Wyobraźmy sobie teraz jak powstaje pomysł na projekt z programu doktorat wdrożeniowy. Dla potrzeb stworzenia modelu wymyślono hipotetyczną i nieistniejącą firmę oraz uczelnię. Również osoby przytaczane w projekcie są czysto hipotetyczne, a jakiekolwiek podobieństwo do rzeczywistych postaci czy podmiotów jest przypadkowe i całkowicie niezamierzone.

Firma Topo-Lab zlokalizowana w niedużym mieście (ok. 40 tys. mieszkańców) w południowo zachodniej Polsce, jest podmiotem średniej wielkości produkującym urządzenia do pomiaru topografii powierzchni w skali mikro i nano, starając się nadążyć za najnowszymi trendami w swojej branży, włączając w to również strategie Przemysł 4.0 i Metrologia 4.0. Produkuje urządzenia funkcjonujące w technikach bezstykowych, analizując różne rozwiązania konkurencyjne i interesując się najnowocześniejszymi trendami wykorzystującymi tomografię komputerową. Rozwinęła swoją działalność w oparciu o przemysł motoryzacyjny i konieczność pomiaru nierówności powierzchni po honowaniu plateau, nie zapominając wszakże o powierzchniach jednoprocesowych i ocenie przestrzennej w procesach wytwarzania. Firma oferuje zarówno hardware jak i oprogramowanie sterujące urządzeniami, pozwalające przygotować warunki pomiaru i obliczające wartości parametrów topografii powierzchni. Swoje urządzenia rozwinęła mając świadomość błędów pomiarowych i wiarygodności w pomiarach nierówności powierzchni. Firma postanowiła zmodernizować swoje urządzenia, wykorzystując sztuczną inteligencję, która ma docelowo ułatwiać operatorowi pracę, wspierać w doborze warunków pomiarowych i filtrów pod konkretne aplikacje. Takie ujęcie tematu wymaga przeprowadzenia prac badawczych związanych z różnymi technikami sztucznej inteligencji oraz przygotowania wdrożenia w postaci algorytmu i programu realizującego postawione zadania. Problem ten nie jest zatem trywialny, łatwy do zaadresowania i nie ma na rynku gotowego rozwiązania dostępnego komercyjnie, które można by kupić i wdrożyć. Uznano, że takie działania są świetnym materiałem na doktorat. W związku z tym podjęto decyzję o przystąpieniu do Programu „Doktorat wdrożeniowy”, znalezieniu doktoranta i uczelni, która poprowadziłaby ten temat. W tym miejscu warto wspomnieć, że w polskiej rzeczywistości stopnie naukowe (np. doktora) mogą nadawać wyłącznie uczelnie, instytuty badawcze, instytuty Polskiej Akademii Nauk oraz międzynarodowe instytuty badawcze działające w Polsce, posiadające wystarczającą kategorię naukową (co najmniej B+) w konkretnej dyscyplinie naukowej. Upraszczając dla potrzeb przykładu — sam stopień doktora nadawany jest na podstawie pozytywnej obrony rozprawy doktorskiej, jako dowodu na umiejętność samodzielnego prowadzenia pracy naukowej przez kandydata. Natomiast przedmiotem rozprawy doktorskiej jest oryginalne rozwiązanie problemu naukowego lub oryginalne rozwiązanie problemu zastosowania wyników badań naukowych w sferze społeczno-gospodarczej.

Po rozmowach Topo-Lab zdecydowała się na współpracę z uczelnią — Akademią Metrologiczną, która posiada sprawnie funkcjonującą Szkołę Doktorską. Wśród jej pracowników znajduje się profesor Marek Berg, który od lat zajmuje się pomiarami topografii powierzchni, publikuje także w obszarze wykorzystania sztucznej inteligencji w metrologii wielkości geometrycznych. Firma ze swej strony zaproponowała mgr inż. Stefana Nowaka, kierownika Działu Oprogramowania Pomiarowego jako opiekuna pomocniczego (opiekun pomocniczy nie musi posiadać stopnia naukowego doktora, ale jeśli nie ma, to musi wykazać się istotnym dorobkiem w działalności wdrożeniowej — wdrożenia, patenty, lub mieć przynajmniej pięcioletnie doświadczenie naukowe). W jego dziale zatrudniono ostatnio młodą adeptkę inżynierii mechanicznej — panią mgr inż. Annę Kowal, która dodatkowo interesuje się informatyką oraz zadeklarowała chęć prowadzenia prac badawczych i wdrożeniowych. Zespół wspólnie przygotował wniosek o doktorat wdrożeniowy.

*najczęściej na etapie przygotowania wniosku w firmie już jest wybrana osoba doktoranta, jednakże formalnie ona w nim nie występuje. Jest wprowadzana dopiero po zakwalifikowaniu wniosku do realizacji przez MNiSW oraz po pozytywnej rekrutacji do Szkoły Doktorskiej. Dopiero wtedy zostaje formalnie zgłoszona do projektu.

Moduł Doktorat wdrożeniowy I określa ogólną tematykę doktoratów, w odróżnieniu do tematyki specjalnej, możliwej do określenia przez Ministerstwo w konkretnym obszarze badań. Pomiędzy zainteresowanymi osobami nie stwierdzono konfliktu interesów. Strony ustalają, że doktorantka będzie miała dostęp do wyposażenia badawczego na uczelni oraz do urządzeń produkcyjnych i pomiarowych w firmie. Ustalono również, że własność intelektualna powstała w wyniku projektu będzie zagospodarowana w następujący sposób: jeśli powstanie po stronie firmy — będzie jej własnością. Jeśli powstanie w wyniku prac na uczelni — będzie własnością uczelni. Jeśli powstanie w wyniku działań wspólnych, to każdorazowo zespół oceni procentowy udział każdej ze stron. Uczelnia gwarantuje firmie prawo pierwokupu swojej części własności intelektualnej.

Przedstawiony pomysł przekształcany jest następnie na wniosek, oparty o formularz stworzony przez wspomniany wcześniej zespół doradczy Ministra Nauki i Szkolnictwa Wyższego ds. oceny wniosków i raportów w ramach Programu „Doktorat wdrożeniowy”. Każdy punkt wniosku ma podaną maksymalną liczbę znaków jakie można wpisać — celem tego jest aby wnioski były zwarte i pełne treści. We wniosku opisywane są kolejno następujące elementy:

Charakterystyka doświadczeń podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego, nauki lub sektora B+R ze szczególnym uwzględnieniem ostatnich 5 lat (do 1000 znaków ze spacjami)

Topo-Lab posiada Dział Oprogramowania Pomiarowego, w którym pracuje 9 osób. Są to specjaliści z inżynierii mechanicznej i informatyki. Zajmują się tworzeniem oprogramowania sterującego i pomiarowego, w ramach którego prowadzi prace B+R. Dział współpracuje z uczelniami w zakresie projektów — w ciągu ostatnich 5 lat zrealizował 4 projekty badawczo rozwojowe ukierunkowane na wdrożenie, w tym: Cyberbezpieczeństwo w oprogramowaniu pomiarowym, Obliczanie parametrów nierówności powierzchni w oparciu o ISO 21920, Możliwości zastosowania filtrów odpornych oraz Eliminacja szpilek w sygnale z topografii powierzchni. Firma bierze ponadto udział w programie kształcenia dualnego w dwóch politechnikach w kraju. Realizuje praktyki dla studentów z Polski i krajów sąsiedzkich. Prowadzi badania z instytutami badawczymi, w tym należącymi do Polskiej Akademii Nauk. Firma realizuje także projekty z regionalnych programów operacyjnych, związane z rozwojem technik pomiarowych i kompetencjami pracowników.

Potencjał podmiotu współpracującego z perspektywy realizacji projektu (aparatura badawcza, doświadczenie w branży itp.) oraz informacja o oferowanym wsparciu podmiotu zatrudniającego doktoranta w tym charakterystyka opiekuna pomocniczego i jego doświadczenia w pracach B+R (do 1500 znaków ze spacjami).

Firma Topo-Lab działa na rynku od roku 1985. Zatrudnia 76 pracowników. Posiada park urządzeń do precyzyjnej obróbki mechanicznej (frezarki, tokarki, szlifierki) oraz drukarki 3D, pozwalający na wytwarzanie elementów hardware do urządzeń pomiarowych. Posiada także Dział Elektroniki projektujący i częściowo wykonujący płytki obwodów drukowanych. Dział Oprogramowania Pomiarowego jest wyposażony w nowoczesne stacje robocze i oprogramowanie do tworzenia kodów źródłowych. Laboratorium posiada sprzęt pomiarowy w zakresie wielkości geometrycznych, badań materiałowych i elektroniki, w tym współrzędnościowe maszyny pomiarowe, urządzenia do pomiarów topografii, skaningowy mikroskop elektronowy, tomograf komputerowy, system do pomiaru powłok, twardościomierz i maszynę wytrzymałościową. Opiekunem pomocniczym planowanej pracy będzie mgr inż. Stefan Nowak, uczestnik wielu projektów ukierunkowanych na wdrożenie, posiadający wiedzę z zakresu informatyki, od 20 lat specjalizujący się w oprogramowaniu pomiarowym i sterującym do przyrządów pomiarowych (od 5 lat jako kierownik). Firma oferuje doktorantce wsparcie we wdrożeniu.

Celem doktoratu jest analiza możliwości wykorzystania metod sztucznej inteligencji w zastosowaniach metrologii powierzchni. Dotyczy to analizy obrazów w optycznych systemach pomiarowych, określenia fazy w obrazach pomiarowych na zasadzie porównań z obrazami wcześniej wygenerowanymi w oparciu o znane wartości przesunięć fazowych fal, a z drugiej doboru techniki pomiarowej w oparciu o parametry detekcji (prędkości pomiaru, gęstości próbkowania itp.) i etapy analizy danych (rodzaju i stopnia filtracji danych). Prace doprowadzą do opracowania systemu wspomagania realizacji pomiaru w zakresie nierówności powierzchni. Elementem tego będzie wsparcie w wyborze techniki pomiarowej — stykowej lub bezstykowej. Możliwy będzie bardziej wiarygodny dobór urządzenia pomiarowego, na podstawie zaimplementowanej bazy danych. Stworzone algorytmy i procedury, pozwolą na pozyskanie unikatowych wyników badań związanych z metodami sztucznej inteligencji i ich wykorzystaniem w metrologii powierzchni.

Maksymalnie siedem (7) wyrażeń oddzielonych przecinkiem. Wyrażenia podane między przecinkami mogą składać się z kilku słów.

Słowa kluczowe: topografia powierzchni, pomiary, oprogramowanie sterujące, oprogramowanie pomiarowe, sztuczna inteligencja, filtracja

Metrologia długości i kąta przeżywa nieustanny rozwój. Powstają nowe przyrządy pomiarowe oraz nowe podejście do algorytmów pomiarowych i działań praktycznych. Dochodzimy do wykorzystania rzeczywistości rozszerzonej lub wirtualnej oraz sztucznej inteligencji. Zastosowanie metod sztucznej inteligencji w metrologii w najbliższej przyszłości stanie się koniecznością. Koszty zatrudnienia pracownika i czas jego przygotowanie do pracy na nowoczesnych przyrządach są istotne. Rosnąca liczba możliwości wyboru opcji w oprogramowaniu pomiarowym powoduje konieczność dobrego wyboru. Podpowiedź w tym zakresie lub chociażby istnienie opcji domyślnych bardzo ułatwią pracę.

Przez lata powstało bardzo wiele różnych typów przyrządów do pomiaru nierówności powierzchni. Wsparcie dla operatora jest bardzo istotne, ponieważ nawet zmiana oświetlenia może spowodować zupełnie inne wyniki pomiaru. Proces pomiarowy rozpoczyna się od wprowadzenia danych o powierzchni, dotyczących sposobu jej wykonania, funkcjonalności, materiału itp. Na tej podstawie system może zasugerować lub wykluczyć konkretną technikę pomiarową, jako nieodpowiednią dla danej aplikacji. W kolejnym kroku przygotowywane są warunki pomiarowe, związane z końcówkami lub obiektywami i oświetleniem. Kolejnym istotnym elementem jest filtracja danych, aby pokazać funkcjonalne cechy powierzchni oraz obliczenie parametrów. Obecnie funkcjonujące systemy pomiaru i analizy danych nie posiadają takich możliwości. Współczesne systemy pomiarowe generują duże zbiory danych, których analiza staje się coraz bardziej czasochłonna. Implementacja rozwiązań AI w analizie dużych zbiorów danych pomiarowych, pozyskanych m.in. za pomocą optycznych systemów pomiarowych, współcześnie, staje się w pełni uzasadniona. W dobie cyfryzacji przemysłu, rozwiązania oparte o sztuczną inteligencję, uczenie maszynowe, stanowią kluczową siłę rozwoju światowej metrologii nierówności powierzchni.

Zakres wdrożenia wyników proponowanych badań w praktyce jest niezwykle szeroki. Cel projektu, zakłada opracowanie gotowych do wykorzystania rozwiązań w zakresie możliwości wykorzystania metod sztucznej inteligencji, co może zostać wykorzystane w różnych gałęziach polskiej i światowej gospodarki. Pomiary nierówności powierzchni wykorzystywane są w najróżniejszych aplikacjach, począwszy od przemysłu maszynowego i mechanicznego, poprzez motoryzację i lotnictwo, a kończąc na branży kosmetycznej, odzieżowej czy sportowej. We wszystkich aplikacjach z podanych wyżej obszarów nierówności powierzchni mają istotne znaczenie funkcjonalne, warunkujące poprawność działania produkowanych przedmiotów.

Pomiary nierówności powierzchni stają się przy tym coraz bardziej złożone i wymagają coraz większej wiedzy od operatorów urządzeń pomiarowych. Z jednej więc strony coraz chętniej patrzymy na możliwość pomiaru 3D jako cenną i dającą znacznie więcej informacji alternatywę dla pomiarów 2D. Z drugiej natomiast mnogość rozwiązań konstrukcyjnych przyrządów pomiarowych wykorzystujących różne zasady fizyczne do realizacji pomiaru sprawia, że dla wielu osób ten obszar metrologii długości i kąta staje się trudny do zrozumienia. Również procedury związane z niepewnością pomiaru są tu najsłabiej poznane i dalekie od wdrożenia. Aby przeciwdziałać takiej sytuacji i zapewnić wiarygodność metrologiczną można wykorzystać metody sztucznej inteligencji. Dzięki temu, niezależnie od gałęzi przemysłu możliwe będzie dokonywanie wiarygodnych pomiarów nierówności powierzchni, niezależnie od stopnia zaawansowania operatora i przyrządu pomiarowego.

Firma ma świadomość, że rezygnacja z rozwoju w kierunku wykorzystania sztucznej inteligencji spowoduje docelowo znacznie zmniejszone zainteresowanie jej produktami u odbiorców, co w efekcie może doprowadzić do jej wyeliminowania z rynku. Wdrożenie nastąpi w bieżącej działalności firmy, w oferowanym oprogramowaniu.

Badania i prace wdrożeniowe zakładane w projekcie podzielone będą na 3 główne obszary, których realizacja jest również kamieniem milowym. Są to:

• —pozyskanie wstępnych danych pomiarowych zebranych stykowymi i bezstykowymi systemami pomiarowymi,
• —analiza danych pomiarowych w oparciu o procedury powszechnie stosowane w metrologii do oceny nierówności badanych powierzchni,
• —opracowanie algorytmów AI do analizy danych pomiarowych i wspomaganej decyzji doboru parametrów pomiarów i techniki pomiarowej.

Każdy z obszarów prac badawczo-wdrożeniowych będzie realizowany z określoną i zróżnicowaną metodologią badawczą. Wszystkie obszary będą wykorzystywać następujące metody badawcze:

• —studium literaturowe (znane rozwiązania AI w metrologii powierzchni),
• —statystyczne metody analizy danych pomiarowych, w tym oceny podstawowych parametrów metrologii powierzchni,
• —opracowanie algorytmów sztucznej inteligencji w oparciu o nadzorowane uczenie maszynowe w analizie danych i wspomaganej decyzji doboru parametrów i techniki pomiarowej.
• —wdrożenie opracowanych rozwiązań AI w istniejącą, dostępną infrastrukturę urządzeń metrologicznych w Topo-Lab i na uczelni.

Analiza ryzyka przeprowadzona na tym etapie pozwala na zidentyfikowanie zagrożeń w obszarach:

• —obszar techniczny – określono możliwość wystąpienia w stopniu średnim ryzyka związanego z niepowodzeniem w uzyskaniu zadowalającej wydajności opracowanych nowatorskich rozwiązań AI w metrologii powierzchni.
• —obszar zewnętrzny – określono ryzyko związane z dostępnością przedmiotów do badań o różnym stopniu nierówności powierzchni — poziom niski. Do ryzyka tego obszaru należy także dostępność do szerokiej gamy stykowych i bezstykowych systemów pomiarowych – poziom niski.
• —obszar organizacyjny – zidentyfikowano ryzyko związane głównie ze scenariuszem zakończenia współpracy z pracodawcą w trakcie trwania doktoratu. Ryzyko to określone jest na poziomie niskim.

Wstępny harmonogram prac badawczych i wdrożeniowych w ramach projektu

Należy wyraźnie rozdzielić zagadnienia dotyczące aspektów naukowych (z uwzględnieniem planów publikacyjnych) oraz aspektów związanych z przygotowaniem wdrożenia. W każdym semestrze powinna występować działalność naukowa i działalność przygotowująca do wdrożenia. Wersja harmonogramu w postaci indywidualnego planu badawczego (IPB) obowiązująca dla czasu trwania projektu będzie zgłaszana w raporcie po realizacji I roku doktoratu.

Zaplanowano także trzy publikacje: po drugim semestrze o metodach sztucznej inteligencji w metrologii nierówności powierzchni, po czwartym o doborze cech i ich przygotowaniu dla celów sztucznej inteligencji, a po szóstym na temat opracowanego algorytmu AI.

Charakterystyka kompetencji naukowych lub artystycznych opiekuna naukowego (promotora) w zakresie problematyki projektu z opisem osiągnięć naukowych lub artystycznych opiekuna naukowego (promotora) w zakresie tematyki projektu ze szczególnym uwzględnieniem ostatnich 5 lat. (opis powinien uwzględniać najważniejsze publikacje z zakresu tematyki projektu lub/i dzieła artystyczne) (do 1000 znaków ze spacjami)

Prof. Marek Berg zatrudniony jest na stanowisku profesora na Wydziale Wielkości Geometrycznych Akademii Metrologicznej. Jest specjalistą z zakresu metrologii długości i kąta, ze szczególnym uwzględnieniem metrologii nierówności powierzchni, współrzędnościowej techniki pomiarowej, tomografii komputerowej, nanometrologii, inżynierii odwrotnej i tribologii. W ciągu ostatnich 5 lat autor 2 książek i 4 rozdziałów, ponad 20 artykułów w czasopismach i 12 na kongresach i konferencjach. Łącznie ma ponad 1000 cytowań i indeks H=15 (Scopus). Recenzent 15 doktoratów, 5 habilitacji, 12 książek, około 200 artykułów w czasopismach z listy Scopus i ponad 100 w pozostałych (około 1/3 z tego w ostatnich 5 latach). Działa w Komitecie Metrologii Polskiej Akademii Nauk.

Opis doświadczenia opiekuna naukowego (promotora) w zakresie współpracy z otoczeniem społeczno-gospodarczym ze szczególnym uwzględnieniem tematyki projektu oraz ostatnich 10 lat. (opis powinien uwzględniać doświadczenie w prowadzeniu prac, w tym rozpraw doktorskich, projektowych, konstrukcyjnych, technologicznych, wdrożeniowych lub artystycznych oraz projekty B+R) (do 1000 znaków ze spacjami).

Prof. Marek Berg był promotorem 10 rozpraw doktorskich (w tym 5 realizowanych przez osoby z przemysłu) oraz recenzentem 15 (w tym 3 z przemysłu) z metrologii długości i kąta. Posiada 4 patenty w tym obszarze. Kierownik i uczestnik 15 projektów badawczych i 5 wdrożeniowych oraz 10 przemysłowych zleceń wdrożeniowych z obszaru metrologii wielkości geometrycznych (większość z tego w ostatnich 10 latach). Ekspert Narodowego Centrum Badań i Rozwoju. Najważniejsze publikacje z ostatnich lat (w tym miejscu wymienia się publikacje).

Informacje na temat dostosowania programu kształcenia w szkole doktorskiej do założeń Programu „Doktorat wdrożeniowy 2024”. (metody pracy z doktorantem, możliwości jednoczesnej realizacji programu kształcenia i aktywności zawodowej, zgodność czasowa harmonogramu kształcenia z planowanymi do realizacji zadaniami projektu, możliwość indywidualnego toku kształcenia, tutoring, zaliczenie efektów uczenia się egzaminami/ szkołami letnimi/ certyfikatami, możliwość wyboru przedmiotów, zmniejszenie wymiaru praktyk zawodowych, kształcenie hybrydowe, itp.) (do 500 znaków ze spacjami)

Program kształcenia obejmuje 600 godzin w ciągu 4 lat, co pozwala bez problemu realizować zadania badawcze w ramach doktoratu wdrożeniowego. Przygotowuje również doktorantów do uzyskania podstawowych efektów kształcenia. Zajęcia w Szkole Doktorskiej odbywają się w godzinach popołudniowych, dzięki czemu nie kolidują z pracą zawodową, szkoła przewiduje również zajęcia w formie zdalnej. Praktyki zawodowe obejmują 50 godzin w trakcie 4 lat kształcenia.

Informacje na temat wsparcia oferowanego doktorantowi przez Wnioskodawcę, w tym wykorzystanie zasobów na potrzeby realizacji projektu. (infrastruktura, materiały, pomoc metodyczna, środki finansowe) (do 500 znaków ze spacjami)

Akademia Metrologiczna posiada laboratoria pomiarowe zawierające szereg najwyższej klasy przyrządów do pomiaru topografii powierzchni i obróbki mechanicznej. Zapewnia również wsparcie merytoryczne i finansowe oraz informatyczne i literaturowe. Posiada specjalistów z wielu dziedzin, którzy będą wspierać doktorantkę w pracach badawczych. Doświadczenie uczelni wyraża się w prowadzonych projektach krajowych i międzynarodowych.

Tak przygotowany wniosek podlega ocenie przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”. Poniżej omówiono poszczególne kryteria oceny, której warunkiem wstępnym jest wdrożeniowy charakter projektu. Jeśli to kryterium nie zostało spełnione, to wniosek zostaje odrzucony i nie podlega dalszej ocenie. Recenzent ocenia zatem:

Czy projekt ma jasno zdefiniowany charakter wdrożeniowy?: (Tak/Nie)

Projekt po części badawczej ma na celu wdrożenie gotowego rozwiązania w zakresie aplikacji pomiaru topografii powierzchni z wykorzystaniem sztucznej inteligencji. Będzie ona ułatwiać pracę operatorowi, wspierając w doborze warunków pomiarowych i filtrów. Ponieważ pomiary nierówności powierzchni wykorzystywane są w najróżniejszych gałęziach przemysłu, zakres wdrożenia wyników proponowanych badań w praktyce jest bardzo szeroki.

Kryterium 1.

Osiągnięcia naukowe lub artystyczne promotora w zakresie tematyki projektu (Maksymalna liczba punktów 15 / Przyznana liczba punktów 15)

Uzasadnienie: Doktorat jest przygotowywany w dyscyplinie inżynieria mechaniczna, dotyczy metrologii wielkości geometrycznych. Promotor jest uznanym specjalistą w obszarze metrologii długości i kąta, w tym metrologii nierówności powierzchni, współrzędnościowej techniki pomiarowej, tomografii komputerowej, nanometrologii, inżynierii odwrotnej i tribologii (czyli w tematyce doktoratu) nie tylko w kraju, ale także za granicą. Posiada liczne publikacje (ponad 100 artykułów i drugie tyle wystąpień konferencyjnych) i dobry dorobek bibliometryczny. Recenzent wielu prac, członek Komitetu Metrologii Polskiej Akademii Nauk.

Kryterium 2.

Dokonania promotora w zakresie współpracy z otoczeniem społeczno gospodarczym (Maksymalna liczba punktów 10 / Przyznana liczba punktów 10)

Uzasadnienie: Opiekun naukowy chętnie współpracuje z otoczeniem społeczno-gospodarczym. Uczestniczył w wielu projektach badawczych i wdrożeniowych, realizował także wdrożenia przemysłowe jako prace zlecone. Ponadto ma doświadczenie jako promotor i recenzent prac doktorskich.

Kryterium 3.

Naukowe lub artystyczne znaczenie projektu (Maksymalna liczba punktów 15 / Przyznana liczba punktów 15)

Uzasadnienie: Projekt związany jest z metrologią długości i kąta, przeżywającą dynamiczny rozwój. Charakteryzowanie powierzchni to ważny aspekt, z punktu widzenia funkcjonalnego i wytwórczego. Coraz chętniej w metrologii stosowane są procedury i rozwiązania wykorzystujące sztuczną inteligencję, która także jest przedmiotem intensywnych badań naukowych. To wszystko znajduje się w tym projekcie, stąd jego wartość naukowa jest duża. Zaplanowane prace badawcze przyczynią się także do rozwoju dyscypliny naukowej i stworzą podwaliny do wykorzystania AI w metrologii powierzchni.

Kryterium 4.

Sposób zdefiniowania problemu naukowego i projektu wdrożeniowego, metodologia realizacji projektu (Maksymalna liczba punktów 20 / Przyznana liczba punktów 20)

Uzasadnienie: Problem naukowy zdefiniowano poprawnie dotyczy on sztucznej inteligencji w metrologii wielkości geometrycznych ze szczególnym uwzględnieniem skali mikro i nano. Metodologia prac rozpoczyna się od analizy literatury poprzez przygotowanie metod badawczych i próbek aż po opracowanie i wdrożenie gotowego rozwiązania. Jako wdrożenie zaproponowano oprogramowanie, nie tylko pomiarowe, ale wspierające użytkownika w trakcie przygotowania pomiaru i działań zmierzających do uzyskania wyniku, wykorzystujące procedury sztucznej inteligencji.

Kryterium 5.

Zakres wsparcia dla doktoranta ze strony wnioskodawcy oraz podmiotu współpracującego — pracodawcy przyszłego doktoranta (Maksymalna liczba punktów 10 / Przyznana liczba punktów 10)

Uzasadnienie: Wnioskodawca posiada laboratoria pomiarowe wyposażone w nowoczesną aparaturę i zadeklarował możliwość ich wykorzystania do działań związanych z doktoratem. Zapewnia również wsparcie merytoryczne ze strony specjalistów z wielu różnych dziedzin oraz niezbędne finansowanie. Podmiot współpracujący również zadeklarował możliwość wykorzystania dobrze wyposażonych laboratoriów i nowoczesnego parku maszynowego.

Kryterium 6.

Doświadczenie wnioskodawcy w działalności wdrożeniowej ze szczególnym uwzględnieniem wcześniejszego udziału w Programie „Doktorat wdrożeniowy” (Maksymalna liczba punktów 5 / Przyznana liczba punktów 5)

Uzasadnienie: Akademia Metrologiczna uczestniczyła już w programie i bardzo dobrze i terminowo wywiązywała się ze wszystkich swoich obowiązków. Dostarczane raporty reprezentowały odpowiedni poziom merytoryczny i formalny.

Kryterium 7.

Wpływ wdrożenia projektu na wybrane sektory gospodarki lub społeczeństwo, w tym znaczenie wdrożenia dla podmiotu współpracującego (Maksymalna liczba punktów 15 / Przyznana liczba punktów 15)

Uzasadnienie: Sztuczna inteligencja rozwija swoje aplikacje dla praktycznie wszystkich obszarów życia człowieka. Wsparcie bieżących działań przy jej pomocy wydaje się nieodzowne biorąc pod uwagę szczupłość kadry pomiarowej i wzrost stopnia skomplikowania i zaawansowania procedur pomiarowych. Dobrym przykładem jest tu filtracja. Firma planuje wdrożyć uzyskane rozwiązanie we własnej działalności produkcyjnej, co umożliwi jej umocnienie pozycji na rynku krajowym i bardziej odważne wyjście na rynek międzynarodowy. Na tej podstawie wpływ wdrożenia można ocenić jako duży.

Kryterium 8.

Doświadczenie podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego i nauki oraz sektora B+R (Maksymalna liczba punktów 10 / Przyznana liczba punktów 10)

Uzasadnienie: Podmiot współpracujący czyli firma Topo-Lab ma doświadczenie we współpracy z uczelniami — są tu Politechniki, z którymi realizowane jest kształcenie dualne i praktyki dla studentów. Wspólnie ze światem nauki zrealizowano 4 projekty o charakterze wdrożeniowym. Podmiot współpracuje też z instytutami badawczymi.

Podsumowanie oceny

Suma (100 / 100)

Rekomendacja: Pozytywna

Rekomendowany do finansowania: Tak

Uzasadnienie: Dobrze napisany projekt z tematyki ważnej dla rozwoju nauki i aktualnej. Opiekun naukowy o bardzo dobrym dorobku naukowym i związanym ze współpracą z otoczeniem społeczno-gospodarczym. Uczelnia bardzo dobrze wyposażona, zapewniająca odpowiedni poziom kształcenia i kadrę wspierającą w procesie realizacji doktoratu. Podmiot współpracujący zapewniający nowoczesne wyposażenie, gotowy do wdrożenia uzyskanych rezultatów badań.

Indywidualny Plan Badawczy (IPB) — jak sama nazwa wskazuje — jest dokumentem o pewnym poziomie indywidualności. Oznacza to między innymi, że każda Szkoła Doktorska ma na niego własny pomysł, a różnice pomiędzy poszczególnymi jednostkami — z naszych obserwacji — są czasami bardzo duże i wyraźne. Nie oceniając tego faktu, pragniemy jedynie zwrócić uwagę, że IPB do doktoratu realizowanego w ramach Programu „Doktorat wdrożeniowy” bezwzględnie wymaga uwzględnienia części wdrożeniowej. Poniżej przytaczamy przykładowy Indywidualny Plan Badawczy, zawierający elementy niezbędne — zwłaszcza w części dotyczącej podstawowych danych studenta czy uczelni mogą być one rozszerzone. Warto też mieć świadomość, że na większości uczelni poszczególne części mogą mieć limity znaków lub słów, a sam IPB jest też przygotowywany w języku polskim i angielskim.

Imię i nazwisko: Anna Kowal

Uczelnia: Akademia Metrologiczna

Wydział: Długości i Kąta

Promotor (opiekun naukowy): Marek Berg

Promotor pomocniczy (pomocniczy opiekun naukowy): nie dotyczy

Informacje dodatkowe: Opiekun pomocniczy — Stefan Nowak, podmiot współpracujący — Topo-Lab

Dyscyplina: Inżynieria mechaniczna

a) tytuł rozprawy

Topografia powierzchni wspierana przez sztuczną inteligencję

b) hipoteza badawcza

Postęp w zakresie metod pomiarowych stosowanych w metrologii nierówności powierzchni zwiększa złożoność procesu doboru odpowiedniej techniki oraz jej parametrów, co wymaga od operatora specjalistycznej wiedzy i doświadczenia. Wynik pomiaru pozostaje silnie zależny od wielu zmiennych. Równolegle rozwój metod sztucznej inteligencji umożliwia opracowanie efektywnych narzędzi wspomagających podejmowanie decyzji, w tym systemów wspierających definiowanie warunków pomiarowych. Możliwe jest zatem stworzenie systemu wspierającego działania pomiarowe w zakresie topografii powierzchni.

c) uzasadnienie wyboru tematu, cel i metodyka badań

Dynamiczny rozwój metod pomiarowych stosowanych w metrologii nierówności powierzchni prowadzi do rosnącej złożoności procesu doboru odpowiedniej techniki pomiarowej oraz jej warunków. W praktyce oznacza to, że uzyskanie wiarygodnych wyników wymaga od operatora wysokiego poziomu wiedzy specjalistycznej oraz doświadczenia, a sam wynik pomiaru zależy od wielu wzajemnie powiązanych czynników. Jednocześnie intensywny rozwój metod sztucznej inteligencji stwarza możliwość opracowania narzędzi wspomagających proces podejmowania decyzji w złożonych zadaniach pomiarowych. W szczególności zasadne wydaje się wykorzystanie metod AI do wspierania operatora w definiowaniu optymalnych warunków pomiaru w metrologii powierzchni.

Celem planowanych badań jest daleko idące rozpoznanie możliwości implementacji metod sztucznej inteligencji w metrologii powierzchni, opracowanie koncepcji bazy danych wspierającej rozwiązania AI, ocena relacji pomiędzy funkcjonalnością powierzchni a warunkami pomiaru dla wybranych sposobów jej przygotowania, a także opracowanie, implementacja oraz wdrożenie systemu doradczego opartego na AI, wspomagającego użytkownika w doborze metody pomiarowej oraz jej ustawień. Realizacja powyższych celów będzie przebiegać etapowo. W pierwszym etapie przygotowane zostaną próbki stanowiące podstawę do budowy zbiorów danych dla wdrożenia algorytmów uczenia maszynowego. Obejmą one zarówno powierzchnie technologiczne reprezentujące różne techniki wytwarzania, jak i wzorce chropowatości. Następnie przeprowadzone zostaną pomiary przygotowanych próbek z wykorzystaniem różnych technik pomiarowych – zarówno stykowych, jak i optycznych, umożliwiających analizę w dwóch i trzech wymiarach – w celu określenia optymalnych metod i parametrów pomiaru dla poszczególnych typów powierzchni. Uzyskane wyniki zostaną przetworzone do postaci zbiorów danych numerycznych, stanowiących podstawę dla implementacji metod sztucznej inteligencji. Dane te będą obejmować informacje o zastosowanej metodzie pomiarowej, charakterystyce powierzchni (w tym rodzaju obróbki, materiale i przeznaczeniu) oraz zestaw parametrów chropowatości. Planowane jest również wykorzystanie danych pomiarowych pochodzących z Topo-Lab i Akademii Metrologicznej oraz innych jednostek naukowych. Zgromadzone dane zostaną poddane analizie statystycznej w celu identyfikacji istotnych cech opisujących powierzchnię oraz zależności pomiędzy nimi. Na tej podstawie, z wykorzystaniem wiedzy eksperckiej oraz wytycznych norm, dla każdego przypadku pomiarowego zostaną określone optymalne warunki pomiaru, w tym dobór techniki, ustawień oraz parametrów chropowatości. Kolejnym etapem będzie opracowanie i implementacja algorytmów sztucznej inteligencji z wykorzystaniem dostępnych środowisk. W ramach działań wdrożeniowych, system uczenia maszynowego zostanie wytrenowany na przygotowanym zbiorze danych i będzie służył do automatycznego doboru warunków pomiaru dla zadanej powierzchni. Jego działanie zostanie zweryfikowane na niezależnym zbiorze danych testowych, co pozwoli na ocenę skuteczności oraz oszacowanie błędów.

Istotnym elementem pracy będzie również opracowanie dedykowanego oprogramowania implementującego opracowane modele sztucznej inteligencji w formie praktycznego narzędzia użytkowego, jako zadanie wdrożeniowe. Oprogramowanie to zostanie zaprojektowane jako system doradczy umożliwiający użytkownikowi wprowadzanie danych opisujących badaną powierzchnię oraz uzyskiwanie rekomendacji dotyczących doboru metody pomiarowej i jej parametrów. Przewiduje się integrację rozwiązania z istniejącą infrastrukturą pomiarową oraz zapewnienie jego użyteczności w warunkach laboratoryjnych i przemysłowych. Zwieńczeniem prac będzie analiza efektywności opracowanego rozwiązania oraz jego wdrożenie w istniejącej infrastrukturze metrologicznej firmy Topo-Lab. Wdrożenie obejmie zarówno implementację oprogramowania AI, jak i jego walidację w rzeczywistych warunkach pomiarowych, co umożliwi praktyczne wykorzystanie systemu jako narzędzia wspomagającego użytkownika w procesie pomiarowym.

d) przewidywane wyniki prac i ich znaczenie i wpływ dla nauki i społeczeństwa

Przeprowadzone badania umożliwią osiągnięcie zakładanych celów naukowych projektu, w szczególności związanych z opracowaniem kompleksowej bazy danych pomiarowych powiązanych z rekomendowanymi metodami i warunkami realizacji pomiarów. W toku realizacji pracy zgromadzony zostanie zbiór danych eksperymentalnych obejmujący wyniki pomiarów geometrii powierzchni dla różnych typów próbek, uzyskanych z wykorzystaniem wielu technik pomiarowych, wraz z oceną ich przydatności w określonych zastosowaniach. Dane te stanowić będą podstawę do budowy bazy wiedzy umożliwiającej dobór odpowiedniej metody pomiarowej w zależności od charakteru zadania pomiarowego. Jednym z kluczowych rezultatów projektu będzie opracowanie systemu eksperckiego opartego na sztucznej inteligencji. System ten, wykorzystując zgromadzoną bazę danych, zostanie wytrenowany w procesie uczenia maszynowego do automatycznego doboru optymalnej metody pomiarowej oraz jej parametrów dla zadanej powierzchni i celu pomiarowego. Istotnym elementem będzie również implementacja opracowanych algorytmów w postaci dedykowanego oprogramowania użytkowego, wdrożonego w Topo-Lab z możliwością udzielenia licencji podmiotom zewnętrznym. Pozwoli ono na znaczące uproszczenie procesu podejmowania decyzji pomiarowych, skrócenie czasu przygotowania pomiaru oraz ograniczenie ryzyka popełnienia błędów wynikających z niewłaściwego doboru metody lub parametrów pomiarowych.

Znaczenie proponowanych badań dla rozwoju nauki przejawia się przede wszystkim w integracji metod sztucznej inteligencji z obszarem metrologii, który dotychczas w ograniczonym stopniu korzystał z tego typu rozwiązań. Opracowana baza danych oraz modele AI mogą stanowić podstawę do dalszych badań nad automatyzacją procesów pomiarowych, analizą niepewności pomiaru oraz cyfryzacją metrologii. Projekt wpisuje się tym samym w aktualne trendy rozwoju inteligentnych systemów pomiarowych oraz koncepcji przemysłu 4.0 i 5.0. Wpływ projektu na gospodarkę i społeczeństwo będzie miał charakter wielowymiarowy. Pomiary nierówności powierzchni znajdują zastosowanie w wielu sektorach przemysłu, takich jak przemysł maszynowy, motoryzacyjny, lotniczy, a także w branżach mniej oczywistych, jak przemysł kosmetyczny, odzieżowy czy sportowy. W każdej z tych dziedzin właściwa charakterystyka powierzchni ma kluczowe znaczenie dla funkcjonalności, trwałości i jakości wyrobów. Udostępnienie narzędzia wspomagającego dobór metod pomiarowych przyczyni się do zwiększenia wiarygodności wyników pomiarów, poprawy jakości produktów oraz optymalizacji procesów technologicznych. Dodatkowo, w obliczu rosnącej złożoności systemów pomiarowych oraz zwiększających się wymagań kompetencyjnych wobec operatorów, zastosowanie sztucznej inteligencji może istotnie ograniczyć bariery wejścia w obszar zaawansowanej metrologii. System doradczy umożliwi wykonywanie poprawnych metrologicznie pomiarów niezależnie od poziomu doświadczenia użytkownika, co przełoży się na zwiększenie dostępności zaawansowanych technik pomiarowych. W kontekście rosnących kosztów pracy oraz czasu potrzebnego na szkolenie specjalistów, rozwiązania tego typu stanowią istotne wsparcie dla przemysłu. W rezultacie realizacji projektu możliwe będzie stworzenie narzędzia, które nie tylko odpowiada na aktualne potrzeby metrologii powierzchni, ale również wyznacza kierunek jej dalszego rozwoju, prowadząc do większej automatyzacji, standaryzacji i cyfryzacji procesów pomiarowych.

W ramach upowszechniania przewidziane jest opublikowanie trzech artykułów naukowych w czasopismach punktowanych znajdujących się na liście MNiSW. Planowany jest też udział w dwóch konferencjach naukowych z posterami lub referatami.

Planowane jest złożenie rozprawy doktorskiej we wrześniu 2028.

Nie dotyczy

Doktorant zobowiązany jest do przygotowania raportów ze swoich prac po każdym roku realizacji projektu. Każdy raport oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przedstawione poniżej dokumenty są przykładowe i pokazują w zasadzie jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Raport Doktorantki po I roku

W trakcie pierwszego roku prac zrealizowano wszystkie zadania badawcze i wdrożeniowe. Prace nad częścią badawczą realizowano w uczelni, wdrożenie prowadzono w podmiocie współpracującym. Współpraca pomiędzy Doktorantką a opiekunami układała się dobrze i bazowała m.in. na regularnych spotkaniach i konsultacjach.

W części badawczej zrealizowano wszystkie przewidziane zadania naukowe. Przeprowadzono studium literaturowe zastosowań sztucznej inteligencji w metrologii powierzchni. Przy analizie posłużono się m.in. następującymi pozycjami literaturowymi:

1) Johnson, A., AI and surface filtering, Metrology in science, 23, 2025, 3487.

2) Stevenson, F., Berg, M., Surface analysis with machine learning procedures, Topography letters, 2, 2024, 6-18.

3) Makowski, J., Nakamoto, S., Enhancing metrology with IT, Journal of Internet Technology Applications, 7, 2024, paper 5512.

Analizując treści zawarte w literaturze można wyraźnie dostrzec, że sztuczna inteligencja w ostatnich latach stała się jednym z bardziej istotnych narzędzi rozwijających metrologię powierzchni, przekształcając ją w pewien sposób z klasycznego zbioru technik pomiarowych w obszar intensywnej analizy danych. Przegląd literatury naukowej wskazuje, że zmiana ta nie ma charakteru jedynie technologicznego, lecz dotyczy samej istoty tego, czym metrologia powierzchni jest i do czego służy. Tradycyjnie metrologia powierzchni koncentrowała się na precyzyjnym pomiarze topografii oraz wyznaczaniu parametrów opisowych, takich jak Ra, Rz czy Sa. Parametry te stanowiły podstawę oceny jakości powierzchni w przemyśle. Jednak wraz z rozwojem technik pomiarowych – zwłaszcza metod 3D – ilość dostępnych danych znacząco wzrosła, co ujawniło ograniczenia klasycznego podejścia parametrycznego. W tym kontekście sztuczna inteligencja zaczyna pełnić rolę narzędzia umożliwiającego analizę złożonych i rozbudowanych zbiorów danych (big data), przesuwając wręcz punkt ciężkości z samego pomiaru na jego interpretację.

Jednym z najważniejszych obszarów zastosowań AI w metrologii powierzchni jest klasyfikacja i rozpoznawanie struktur powierzchniowych. Modele uczenia maszynowego, w szczególności sieci neuronowe typu CNN, są wykorzystywane do identyfikacji procesów technologicznych odpowiedzialnych za powstanie danej powierzchni, takich jak toczenie, frezowanie czy druk addytywny. Równocześnie znajdują zastosowanie w detekcji defektów – od mikropęknięć po nieregularności strukturalne – oraz w segmentacji powierzchni, pozwalającej na lokalną analizę jej właściwości. W wielu przypadkach metody te przewyższają klasyczne podejścia, które opierają się na ograniczonej liczbie parametrów statystycznych i tracą informację o przestrzennej organizacji struktury. Literatura jednoznacznie wskazuje, że standardowe parametry chropowatości są niewystarczające do pełnego opisu funkcjonalnego powierzchni. Różne procesy technologiczne mogą prowadzić do uzyskania zbliżonych wartości parametrów takich jak Ra, mimo że ich właściwości tribologiczne, adhezyjne czy smarne są diametralnie różne. Sztuczna inteligencja, analizując pełne mapy topografii 2D i 3D, umożliwia uchwycenie szablonów i zależności, które pozostają niewidoczne dla klasycznych metod interpretacyjnych, rozszerzając możliwości interpretacyjne. Ciekawym kierunkiem badań jest wykorzystanie AI do predykcji właściwości funkcjonalnych powierzchni. Modele uczone na danych topograficznych są w stanie przewidywać takie cechy jak współczynnik tarcia, odporność na zużycie czy zdolność do retencji smaru. To jeszcze bardziej wiąże metrologię powierzchni z tribologią i inżynierią materiałową, tworząc modele typu „struktura–funkcja”, bardzo praktyczne przy projektowaniu części maszyn. Sztuczna inteligencja znajduje również zastosowanie na wcześniejszych etapach przetwarzania danych pomiarowych. W literaturze opisuje się jej użycie do filtracji szumu, separacji składowych powierzchni (np. chropowatości i falistości), rekonstrukcji brakujących danych (wypełnianie punktów niezmierzonych) czy poprawy rozdzielczości pomiarów. Tutaj AI ingeruje już nie tylko w analizę końcową, lecz także w sam proces przygotowania danych, co dodatkowo zwiększa jej znaczenie w całym łańcuchu metrologicznym.

Literatura przedstawia też ograniczenia rozwoju opisywanych metod. Jednym z głównych z nich jest — co zrozumiałe — dostępność danych. W przeciwieństwie do klasycznych zastosowań komputerowego rozpoznawania obrazów, metrologia powierzchni nie dysponuje dużymi, publicznie dostępnymi zbiorami danych. Dane dostępne w literaturze są często bardzo ograniczone, niejednorodne i zależne od konkretnej metody pomiarowej, co utrudnia porównywalność wyników oraz trenowanie uniwersalnych modeli. Sam algorytm nie jest więc takim problemem jak jego trenowanie. Zagadnieniem do dalszego rozwoju jest też interpretowalność modeli. W zastosowaniach przemysłowych nie wystarczy wysoka skuteczność predykcji – konieczne jest również zrozumienie mechanizmów, które prowadzą do danego wyniku. Modele głębokiego uczenia, choć efektywne, często funkcjonują jako „czarne skrzynki”, co ogranicza ich akceptację w środowisku inżynierskim. W odpowiedzi na ten problem rozwijane są metody wyjaśnialnej sztucznej inteligencji (XAI), a także podejścia hybrydowe, łączące modele fizyczne z uczeniem maszynowym. I takie właśnie modele hybrydowe stanowią jeden z najbardziej obiecujących kierunków rozwoju w obecnym czasie. Łączenie wiedzy fizycznej – np. modeli kontaktu czy teorii zużycia – z elastycznością AI pozwala uzyskać systemy bardziej wiarygodne i lepiej uogólniające wyniki. Zamiast zastępować klasyczne modele, sztuczna inteligencja zaczyna pełnić rolę ich rozszerzenia. Równolegle obserwuje się rosnącą integrację AI z systemami przemysłowymi w ramach koncepcji Przemysł 4.0 i 5.0. Metrologia powierzchni (jako element Metrologii 4.0 i 5.0) przestaje być procesem offline, a staje się elementem systemów monitorowania jakości w czasie rzeczywistym, cyfrowych bliźniaków i systemów predykcyjnego utrzymania ruchu. Dzięki temu analiza powierzchni może być bezpośrednio powiązana z procesem produkcyjnym i jego optymalizacją.

Sztuczna inteligencja jak widać z przeglądu literatury wspiera więc metrologię powierzchni, jednocześnie zmieniając jej charakter. To przesunięcie – od parametrów do znaczenia – stanowi najważniejszą zmianę paradygmatu, jaka dokonuje się obecnie w tej dziedzinie. Pełna analiza została zamieszczona w artykule: Kowal, A., Berg, M., Nowak S., Artificial Intelligence procedures in surface topography — a review, zaakceptowanym do publikacji przez Topography Letters (artykuł warto dołączyć do raportu).

W pracach zrealizowanych w bieżącym roku realizacji projektu określono też wymagania dotyczące rozwiązań w poszczególnych systemach pomiarowych. Dotyczą one z jednej strony aspektów klasycznych, takich jak rozdzielczość, błąd czy powtarzalność pomiaru, a z drugiej zdolność systemu do generowania danych odpowiednich do zaawansowanej analizy algorytmicznej oraz integracji z narzędziami opartymi na AI. W tradycyjnym podejściu celem było uzyskanie wiarygodnych parametrów chropowatości zgodnych z normami. Jeśli jednak dane mają być wykorzystywane w modelach uczenia maszynowego, ważne staje się zapewnienie ich reprezentatywności, spójności oraz bogactwa informacyjnego. Oznacza to konieczność uwzględnienia takich cech, jak odpowiednia gęstość próbkowania, zachowanie pełnej topografii 3D oraz minimalizacja artefaktów pomiarowych, które mogłyby zaburzać proces uczenia modeli. Istotna jest też standaryzacja danych — różne systemy pomiarowe – np. profilometry stykowe, interferometry optyczne czy mikroskopy konfokalne – generują dane o odmiennych właściwościach (np. różna rozdzielczość boczna i pionowa, różne charakterystyki szumu). W kontekście AI brak spójności między danymi doprowadzi do problemów z generalizacją opracowywanych modeli. Dlatego wymagania dla systemów pomiarowych powinny obejmować nie tylko parametry techniczne, ale także zgodność formatów danych, procedur filtracji oraz sposobów kalibracji, tak aby możliwe było tworzenie porównywalnych i łączonych zbiorów danych. Pewnym wsparciem są tu normy ISO z serii 25178, które ukierunkowane są właśnie na standaryzację, niezależnie od wykorzystywanej techniki pomiarowej. Kolejnym istotnym aspektem jest jakość sygnału pomiarowego. W systemach projektowanych z myślą o analizie AI konieczne jest szczególne ograniczenie szumu, błędów systematycznych oraz braków danych. Ciekawa byłaby też możliwość rejestracji danych surowych, przed zastosowaniem jakichkolwiek modyfikacji, eliminacji, filtrów czy transformacji, ponieważ to właśnie takie dane często stanowią najcenniejszy materiał dla modeli uczących się, zdolnych samodzielnie identyfikować istotne cechy. Niestety, w zasadzie żaden z producentów sprzętu pomiarowego nie daje takiej możliwości, zakłada się bowiem, że odbiorca widząc surowe dane mógłby nie być przekonany do wiarygodności pomiaru za pomocą tego właśnie systemu. W kontekście zastosowań przemysłowych rośnie również znaczenie wymagań związanych z integracją systemów pomiarowych z infrastrukturą cyfrową. Systemy te powinny umożliwiać automatyczne przetwarzanie danych, komunikację z bazami danych oraz współpracę z systemami sterowania procesem produkcyjnym. W praktyce oznacza to konieczność zapewnienia odpowiednich interfejsów, kompatybilności z platformami Industry 4.0 oraz zdolności do pracy w trybie online lub quasi-online. Nie można pominąć także kwestii interpretowalności i walidacji wyników. Jeśli dane z systemu pomiarowego mają być wykorzystywane w modelach AI podejmujących decyzje technologiczne, wymagania powinny obejmować możliwość śledzenia pochodzenia danych (traceability), ocenę niepewności pomiaru oraz integrację z metodami wyjaśnialnej sztucznej inteligencji. Wreszcie, należy zwrócić uwagę na potrzebę elastyczności i skalowalności systemów pomiarowych. Modele AI często wymagają dużych i zróżnicowanych zbiorów danych, co implikuje konieczność projektowania systemów zdolnych do pracy w różnych warunkach, dla różnych materiałów i procesów technologicznych. Wymagania powinny więc uwzględniać możliwość adaptacji parametrów pomiaru oraz łatwość rozszerzania funkcjonalności systemu. Przedstawioną analizę prezentowano także na seminarium jednostki.

W drugiej części prac przygotowano próbki badawcze z przedmiotów o różnych nierównościach powierzchni. Nierówności miały zarówno charakter bardziej periodyczny jak i losowy. Do badań wybrano próbki wykonane z aluminium, brązu, mosiądzu, żeliwa, stali węglowej i stali austenitycznej obrabiane różnymi sposobami: frezowane czołowo zgrubnie, frezowane czołowo wykańczająco, szlifowane, toczone, piaskowane, po obróbce elektroerozyjnej i gładzeniu płaskowierzchołkowym (honowanie plateau). Poszczególna kombinacja materiału i obróbki była wynikiem możliwości i celowości obróbki. Dla wszystkich próbek określono zmieniające się warunki obróbki, szczególnie było to związane z posuwem i prędkością skrawania. W ten sposób otrzymano 256 próbek o różnym układzie i wartościach parametrów nierówności powierzchni. Przykładowe próbki pokazano na rysunku.

Tak wykonane próbki są materiałem badawczym do dalszych prac.

W części wdrożeniowej również zrealizowano wszystkie przewidziane zadania naukowe. Opracowano pierwsze wstępne algorytmy implementacji rozwiązań AI w metrologii powierzchni. Opracowano koncepcję systemu ekstrakcji danych pomiarowych (współrzędne punktów pomiarowych) z sygnałów uzyskiwanych z systemów pomiarowych. Zasadniczym elementem tej koncepcji jest separacja informacji związanych z przyrządem i warunkami pomiarowymi od samych danych. Jej schemat przedstawiono na rysunku.

W tej części prac dokonano również analizy istniejących języków programowania oraz bibliotek (tu wymienić jakie przeanalizowano). Zdecydowano się na język AVX, z uwagi na jego powszechność i dostępność, oraz spełnianie kryteriów przedstawionych w części badawczej. Podmiot współpracujący zapewnił dostęp do maszyn obliczeniowych oraz przyrządów pomiarowych.

W pierwszym roku w podmiocie współpracującym pod kątem wdrożenia dokonano także analizy materiałów badawczych w przygotowaniu baz uczenia maszynowego. Na podstawie danych za ostatnich 10 lat określono podstawowe materiały, z jakimi mają do czynienia klienci Topo-Lab i na jakich mierzą parametry nierówności powierzchni. Wśród materiałów tych znajdują się: aluminium, brąz, mosiądz, żeliwo, stal węglowa i stal austenityczna. Dla tych materiałów określono dolną i górną granicę oczekiwanej zmienności wybranych parametrów topografii (Sa, Sq, St, Sdq, Ssk, Sku, Sk, Spk, Svk), co w efekcie przełożyło się na parametry obróbki. Dla tak dobranego zestawu wykonano próbki dla realizacji kolejnych zadań części badawczej.

Pierwszy rok współpracy z Doktorantką oceniam bardzo pozytywnie. Jest to osoba niezwykle zaangażowana w tematykę, poszukująca odpowiedzi na nurtujące ją zagadnienia badawcze i bardzo pracowita. Regularnie pojawia się na konsultacjach i - w miarę możliwości — uczestniczy również w życiu naukowym jednostki. Bardzo aktywna na seminariach, prezentowała również dotychczasowe wyniki swoich prac, co zostało przyjęte z uznaniem przez zespół.

Stwierdzam, że Doktorantka prawidłowo zrealizowała zadania związane z analizą literaturową dotyczącą zastosowań sztucznej inteligencji w metrologii powierzchni. Przeprowadzony przegląd literatury obejmuje aktualne kierunki badań i jednoznacznie wskazuje na rosnącą rolę metod AI w analizie topografii powierzchni. Doktorantka poprawnie identyfikuje główne obszary zastosowań, takie jak klasyfikacja struktur powierzchniowych, detekcja defektów oraz predykcja właściwości funkcjonalnych. Wykazuje również zrozumienie dla zmiany charakteru metrologii powierzchni – od podejścia parametrycznego do podejścia opartego na analizie danych i interpretacji funkcjonalnej. W badaniach wykazano i uwzględniono także istotne ograniczenia i wyzwania związane z wykorzystaniem sztucznej inteligencji, w szczególności problem dostępności danych oraz interpretowalności modeli, co świadczy o kompleksowym ujęciu zagadnienia.

Jednocześnie potwierdzam, że w ramach realizowanych prac Doktorantka określiła wymagania dotyczące rozwiązań w poszczególnych systemach pomiarowych. Wymagania te obejmują zarówno klasyczne aspekty metrologiczne, takie jak dokładność, rozdzielczość i powtarzalność pomiaru, jak również elementy wynikające z zastosowania metod sztucznej inteligencji. W szczególności uwzględniono konieczność zapewnienia odpowiedniej jakości danych pomiarowych, ich reprezentatywności, standaryzacji oraz możliwości integracji z systemami cyfrowymi i narzędziami analizy algorytmicznej. Pani Kowal wskazała również na znaczenie takich zagadnień, jak jakość sygnału pomiarowego, możliwość analizy danych surowych, interoperacyjność systemów oraz ich integracja z koncepcjami Industry 4.0/5.0. Podjęte działania potwierdzają właściwe rozumienie zarówno teoretycznych, jak i praktycznych aspektów wykorzystania sztucznej inteligencji w metrologii powierzchni.

Na podstawie analizy i danych z podmiotu współpracującego Doktorantka opracowała zakres próbek do badań, odpowiadających różnym materiałom i sposobom obróbki. Próbki te zostaną wykorzystane w kolejnych latach do przygotowania bazy powierzchni.

Reasumując, stwierdzam, że Doktorantka zrealizowała założone zadania w sposób prawidłowy, a przygotowany przez nią raport stanowi spójną i merytoryczną podstawę do dalszych prac badawczych.

Moje odczucia po pierwszym roku opieki nad Doktorantką z punktu widzenia firmy Topo-Lab są bardzo pozytywne. Doktorantka jest osobą kreatywną i pracowitą, często spędzającą w naszych pomieszczeniach popołudnia i wieczory. Wykorzystuje udostępniane jej zasoby i chętnie dyskutuje na problemy naukowe i wdrożeniowe. Stała się cennym pracownikiem firmy, a jej wiedza jest coraz bardziej doceniana przez cały zespół.

W części wdrożeniowej Doktorantka zrealizowała wszystkie przewidziane zadania, zgodnie z przyjętymi założeniami, osiągając wyniki o istotnym znaczeniu zarówno poznawczym, jak i aplikacyjnym, w szczególności z punktu widzenia naszej firmy — podmiotu współpracującego. W ramach prowadzonych prac opracowano wstępne algorytmy implementacji rozwiązań sztucznej inteligencji w metrologii powierzchni. Zaproponowane podejście stanowi ważny krok w kierunku praktycznego wykorzystania metod AI w analizie danych pomiarowych, umożliwiając ich zastosowanie w rzeczywistych warunkach przemysłowych. Ma to szczególne znaczenie dla Topo-Lab, gdzie u naszych klientów rośnie potrzeba automatyzacji analizy jakości powierzchni oraz skrócenia czasu podejmowania decyzji technologicznych. Ważne jest także ułatwienie pracy operatorowi systemów pomiarowych.

Doktorantka opracowała również koncepcję systemu ekstrakcji danych pomiarowych, obejmującą pozyskiwanie współrzędnych punktów pomiarowych bezpośrednio z sygnałów generowanych przez systemy pomiarowe. Kluczowym elementem tej koncepcji jest rozdzielenie informacji związanych z właściwościami przyrządu oraz warunkami pomiaru od właściwych danych opisujących powierzchnię. Takie podejście ma istotne znaczenie praktyczne, gdyż umożliwia zwiększenie uniwersalności i porównywalności danych pochodzących z różnych systemów pomiarowych wykorzystywanych w przedsiębiorstwie. W konsekwencji stwarza to podstawy do budowy spójnych baz danych oraz rozwijania modeli AI zdolnych do pracy w zróżnicowanych warunkach produkcyjnych.

W toku realizacji prac przeprowadzono analizę dostępnych języków programowania oraz bibliotek obliczeniowych pod kątem ich przydatności do implementacji opracowywanych rozwiązań. Dokonany wybór środowiska programistycznego uwzględnia kryteria związane z wydajnością, dostępnością oraz możliwością dalszego rozwoju systemu. Ma to także bezpośrednie znaczenie dla naszej firmy, ponieważ zapewnia możliwość implementacji i skalowania opracowanych rozwiązań w istniejącej infrastrukturze informatycznej. Z naszej strony ważne było także zapewnienie odpowiedniej infrastruktury technicznej. Udostępniliśmy zasoby obliczeniowe oraz aparaturę pomiarową, dzięki czemu opracowywane rozwiązania są bezpośrednio ukierunkowane na przyszłe wdrożenie.

Uzyskane wyniki mają szczególne znaczenie dla Topo-Lab w kontekście rozwoju nowoczesnych systemów kontroli jakości. Opracowane koncepcje i algorytmy mają się przyczynić do zwiększenia automatyzacji procesów pomiarowych, poprawy powtarzalności oceny powierzchni oraz wykorzystania danych pomiarowych w procesach decyzyjnych. Stanowią one również istotny krok w kierunku implementacji rozwiązań zgodnych z koncepcją Industry 4.0/5.0.

Kolejne zadanie zrealizowane przez Doktorantkę w pierwszym roku realizacji projektu to dobór materiału badawczego do przygotowania bazy danych powierzchni. Na podstawie wielu rozmów i analiz potrzeb naszych odbiorców dokonano selekcji materiałów i sposobów obróbki ubytkowej, dla których wykonane zostały stosowne próbki. Uzyskano ich imponującą liczbę — 256, która w następnym etapie zostanie przebadana za pomocą różnych technik pomiarowych.

Podsumowując, potwierdzam prawidłową i kompleksową realizację części wdrożeniowej projektu. Uzyskane rezultaty mają istotny potencjał aplikacyjny i stanowią solidną podstawę do dalszego rozwoju oraz przyszłego wdrożenia opracowywanych rozwiązań w środowisku przemysłowym.

Nazwa podmiotu: Akademia Metrologiczna

Nazwisko i imię Doktoranta/ki biorącego udział w Programie: Anna Kowal

Temat projektu: Topografia powierzchni wspierana przez sztuczną inteligencję

Dyscyplina (lub dyscypliny), do których zaklasyfikowano projekt: Dziedzina nauk inżynieryjno-technicznych/inżynieria mechaniczna

Okres realizacji projektu w roku sprawozdawczym: cały rok/12 miesięcy

Czy opiniowany raport roczny pozwala uznać wdrożeniowy charakter projektu? tak

Czy opiniowany raport roczny wymaga istotnej zmiany lub aktualizacji IPB warunkującej dokonanie jego oceny? nie

Kryteria oceny

1. Postępy Doktoranta/ki w dyscyplinie/dyscyplinach naukowych, związanych z tematem projektu, w tym w uzasadnieniu wskazać:

1.1. Stan znajomości oraz krytycznej analizy literatury i innych źródeł związanych z tematyką projektu: satysfakcjonujący

1.2. Publikacje dotyczące tematyki projektu (np. artykuły naukowe, monografie lub rozdziały, doniesienia naukowe, working papers), przygotowane w wyniku realizacji badań przez Doktoranta/kę: satysfakcjonujący

1.3. Działania zmierzające do uzyskania patentów na wynalazki, zabezpieczania praw ochronnych na wzory użytkowe, wdrożenia związane z realizacją lub powstałe w ramach projektu: brak informacji

1.4. Popularyzację lub promocję wyników badań uzyskanych w projekcie (np. wystąpienia na konferencjach, udział w upowszechnianiu wiedzy, wnioski o granty, nagrody, wyróżnienia, warsztaty, szkoły letnie): satysfakcjonujące

1.5. Oryginalność i potencjał naukowy projektu na danym etapie zaawansowania: satysfakcjonujące

1.6. Merytoryczną wartość opinii opiekuna naukowego: satysfakcjonująca

Maksymalna liczba punktów: 35

Przyznana liczba punktów: 35

Uzasadnienie:

Doktorantka wykazuje się znajomością oraz krytyczną oceną literatury i innych źródeł związanych z tematyką projektu. Prezentowała dokonania na seminarium jednostki. Wkrótce pojawi się publikacja w czasopiśmie Topography Letters, w której jest pierwszą autorką. Innych form popularyzacji na razie nie ma, ale na tym etapie projektu nie budzi to zastrzeżeń. Projekt ma dobry potencjał naukowy. Bardzo dobra i merytoryczna opinia opiekuna naukowego.

2. Postępy Doktoranta/ki w zakresie warsztatu badawczo-wdrożeniowego, w tym w uzasadnieniu wskazać:

2.1. Metodologię i metodykę badań oraz umiejętności ich zastosowania do rozwiązania problemów naukowych, technologicznych lub projektanckich związanych z realizacją projektu: satysfakcjonująca

2.2. Pozyskiwanie i wykorzystanie zasobów (np. informacji, danych, materiałów, aparatury, urządzeń) niezbędnych do realizacji projektu: satysfakcjonująca

2.3. Potencjał wdrożeniowy projektu na tle wyników na danym etapie zaawansowania prac badawczych: satysfakcjonująca

2.4. Komunikatywność i jakość redakcji opisu postępów Doktoranta/ki: satysfakcjonująca

Maksymalna liczba punktów: 30

Przyznana liczba punktów: 30

Uzasadnienie:

Doktorantka poprawnie przyjęła i realizuje metodykę badań, posiada umiejętności ich zastosowania do rozwiązania problemów naukowych. Poprawnie pozyskuje zasoby. Projekt ma potencjał wdrożeniowy, możliwy do rozpowszechnienia. Bardzo dobry i komunikatywny opis postępów Doktorantki.

3. Postępy Doktoranta/ki w zakresie prac związanych z wdrożeniem efektów z uwzględnieniem opinii promotora i opiekuna pomocniczego, w tym w uzasadnieniu wskazać:

3.1. Rozwój kwalifikacji/kompetencji Doktoranta/ki koniecznych do opracowania wersji wdrożeniowej projektu w okresie sprawozdawczym: satysfakcjonująca

3.2. Wykorzystanie zasobów podmiotu współpracującego przez Doktoranta/kę do realizacji IPB, w okresie sprawozdawczym: satysfakcjonująca

3.3. Zaangażowanie podmiotu współpracującego w realizację projektu: satysfakcjonująca

3.4. Merytoryczną wartość opinii opiekuna pomocniczego: satysfakcjonująca

3.5. Oryginalność i potencjał wdrożeniowy prac realizowanych w ramach projektu na danym etapie zaawansowania: satysfakcjonująca

3.6. Potencjał podmiotu współpracującego do wdrożenia wyników projektu: satysfakcjonująca

3.7. Prawdopodobny wpływ działalności Doktoranta/ki na otoczenie społeczno-gospodarcze: satysfakcjonujący

Maksymalna liczba punktów: 30

Przyznana liczba punktów: 30

Uzasadnienie:

Kwalifikacje wdrożeniowe rozwijają się już na obecnym etapie. Podmiot współpracujący jest zainteresowany projektem i zaangażowany, a jego zasoby Doktorantka wykorzystuje właściwie. Bardzo dobra i merytoryczna opinia opiekuna pomocniczego. Satysfakcjonująca oryginalność i potencjał wdrożeniowy prac realizowanych w ramach projektu. Podmiot ma na pewno dobry potencjał do wdrożenia wyników projektu. Prawdopodobny wpływ działalności Doktorantki na otoczenie społeczno-gospodarcze może być dość szeroki w przypadku udostępnienia wyników badań.

4. Oceny postępu prac badawczych i wdrożeniowych w porównaniu z IPB w tym w uzasadnieniu wskazać:

4.1. Czy IPB jest realizowany zgodnie z harmonogramem? Tak

4.2. Ocenę stopnia realizacji IPB na datę sprawozdania rocznego. 25%

4.3. Czy zidentyfikowano zagrożenia realizacji IPB: Nie

Uzasadnienie:

IPB realizowany jest zgodnie z harmonogramem. Stopień realizacji oceniam na 25%. Nie zidentyfikowano zagrożeń dla realizacji IPB.

Suma 100 na 100

Podsumowanie oceny

Czy raport roczny wymaga uzupełnienia? nie

Raport jest rekomendowany do przyjęcia? tak

Czy projekt ma być dalej finansowany? tak

Syntetyczna opinia Recenzenta

Praca dobrze prowadzona naukowo, o bardzo ciekawym potencjale wdrożeniowym, który już na tym etapie jest wyraźnie widoczny i rozwijany. W druku jest dobra publikacja, bardzo dobry, merytoryczny opis postępów i opinie opiekunów.

Taki komplet raportów i ocena zamykają pierwszy rok działalności Doktoranta. Analogicznie wygląda ocena postępów po drugim i trzecim roku. A po roku czwartym przygotowywany jest raport końcowy — przedstawiony poniżej wraz z resztą niezbędnych dokumentów. Jednym z jego elementów jest deklaracja złożenia rozprawy doktorskiej, a zatem na tym etapie musi ona być gotowa i złożona.

Rozprawa doktorska została złożona w wymaganym terminie. Skan pierwszej strony rozprawy przedstawiono poniżej.

W trakcie doktoratu pomyślnie zrealizowano wszystkie zadania badawcze i wdrożeniowe. Prace nad częścią badawczą realizowano w uczelni, wdrożenie prowadzono w podmiocie współpracującym, niemniej często oba rodzaje prac bardzo mocno się przenikały. Uzyskano pozytywną ocenę śródokresową, co pozwoliło na kontynuację prac. Współpraca pomiędzy Doktorantką a opiekunami układała się dobrze i bazowała m.in. na regularnych spotkaniach i konsultacjach.

W ramach realizacji części badawczej projektu przeprowadzono cykl prac naukowych obejmujący wszystkie etapy przewidziane w harmonogramie. Badania miały charakter sekwencyjny i systemowy – od analizy stanu wiedzy, poprzez przygotowanie infrastruktury eksperymentalnej i baz danych, aż po opracowanie oraz walidację zaawansowanych algorytmów sztucznej inteligencji wspierających metrologię powierzchni.

Pierwszy etap prac obejmował szczegółowe studium literaturowe zastosowań sztucznej inteligencji w metrologii powierzchni. Analiza ta pozwoliła na identyfikację kluczowych trendów rozwojowych, wśród których szczególnie istotne okazały się: wykorzystanie metod uczenia głębokiego do analizy topografii powierzchni, rozwój podejść opartych na pełnych danych 2D i 3D oraz rosnące znaczenie modeli predykcyjnych łączących strukturę powierzchni z jej właściwościami funkcjonalnymi. Na tej podstawie sformułowano również główne ograniczenia istniejących rozwiązań, takie jak brak dużych i jednorodnych zbiorów danych, problemy z interpretowalnością modeli oraz ograniczona możliwość ich implementacji w środowisku przemysłowym. Równolegle do studium literaturowego określono wymagania dla systemów pomiarowych przeznaczonych do współpracy z algorytmami sztucznej inteligencji. W przeciwieństwie do podejścia klasycznego, skoncentrowanego na wyznaczaniu parametrów zgodnych z normami, przyjęto perspektywę ukierunkowaną na jakość danych wejściowych do modeli uczenia maszynowego. Oznaczało to konieczność zapewnienia wysokiej rozdzielczości przestrzennej, spójności danych, ograniczenia szumu oraz możliwości rejestracji pełnej topografii powierzchni. Zidentyfikowano również istotny problem niejednorodności danych pochodzących z różnych systemów pomiarowych, co doprowadziło do konieczności opracowania procedur ich standaryzacji i integracji. Przygotowano również zestaw próbek badawczych o zróżnicowanej strukturze geometrycznej i właściwościach powierzchni.

Próbki te obejmowały powierzchnie wytwarzane różnymi procesami technologicznymi, takimi jak obróbka skrawaniem, procesy ścierne czy techniki addytywne. Celem tego etapu było uzyskanie reprezentatywnego zbioru danych umożliwiającego trenowanie modeli uczących się na szerokim spektrum przypadków. Przygotowanie próbek uwzględniało również możliwość ich wielokrotnego pomiaru różnymi technikami, co było istotne w kontekście dalszej analizy porównawczej.

Kolejny etap obejmował dobór i analizę technik pomiarowych wykorzystywanych do pozyskiwania danych. Uwzględniono zarówno metody stykowe, jak i bezstykowe, ze szczególnym naciskiem na optyczne systemy pomiarowe.

Przeprowadzono ocenę ich przydatności w kontekście budowy baz danych dla uczenia maszynowego, analizując m.in. rozdzielczość, charakterystykę szumu, gęstość próbkowania oraz podatność na artefakty pomiarowe. Wyniki tej analizy wskazały, że różne techniki generują dane o odmiennych właściwościach statystycznych i strukturalnych, co ma bezpośredni wpływ na proces uczenia modeli i ich zdolność generalizacji. Przeprowadzono także analizę cech metrologicznych pozyskanych danych. Przykładowe wyniki pomiarów zaprezentowano na rysunku.

Oprócz klasycznych parametrów chropowatości rozważono również bardziej zaawansowane deskryptory opisujące strukturę powierzchni, w tym parametry przestrzenne oraz reprezentacje oparte na pełnych mapach topografii. Wykazano, że powierzchnie o podobnych wartościach parametrów takich jak Sa mogą znacząco różnić się pod względem właściwości funkcjonalnych, co potwierdziło ograniczenia klasycznego podejścia parametrycznego. W związku z tym przyjęto podejście polegające na analizie pełnych danych topograficznych jako podstawy dla metod sztucznej inteligencji. Istotnym elementem prac było opracowanie procedur tworzenia bazy danych do uczenia maszynowego. Proces ten obejmował integrację danych z różnych źródeł, ich standaryzację, filtrację oraz przygotowanie do analizy. Szczególną uwagę zwrócono na zapewnienie reprezentatywności zbioru danych, eliminację artefaktów pomiarowych oraz zachowanie informacji istotnych z punktu widzenia modeli uczących się. Wprowadzono również procedury umożliwiające łączenie danych pochodzących z różnych technik pomiarowych w sposób umożliwiający ich wspólną analizę. Ten obszar — nazywany czasami fuzją danych jest obszarem zupełnie nowym, sporadycznie pojawiającym się w publikacjach i zupełnie nieobecnym w praktycznych realizacjach software'owych.

Zasadniczym etapem badań było opracowanie algorytmów sztucznej inteligencji przeznaczonych do analizy dużych zbiorów danych metrologicznych. Zastosowano metody uczenia maszynowego, w tym modele głębokiego uczenia, do realizacji zadań takich jak klasyfikacja powierzchni, identyfikacja procesu technologicznego oraz detekcja defektów. Modele te operowały na pełnych danych topograficznych, co pozwoliło na uchwycenie złożonych zależności przestrzennych. Uzyskane wyniki wskazały na wyraźną przewagę tych metod nad klasycznymi podejściami opartymi na ograniczonej liczbie parametrów. Pozwoliły też na opracowanie algorytmu wspomagającego dobór techniki pomiarowej w zależności od charakterystyki powierzchni oraz parametrów pomiaru. Algorytm ten uwzględniał m.in. rodzaj powierzchni, wymagania dotyczące dokładności oraz stopień filtracji danych.

Stanowi on krok w kierunku inteligentnych systemów metrologicznych zdolnych do automatycznej adaptacji do warunków pomiarowych i wymagań aplikacyjnych.

Po opracowaniu algorytmu przeprowadzono ocenę wiarygodności opracowanych modeli oraz ich walidację. Przeprowadzono testy z wykorzystaniem danych niezależnych, analizując skuteczność modeli, ich stabilność oraz zdolność do generalizacji. Szczególną uwagę zwrócono na problem interpretowalności modeli, który ma kluczowe znaczenie w zastosowaniach inżynierskich. W tym kontekście rozważono również podejścia hybrydowe, łączące modele fizyczne z metodami sztucznej inteligencji, co pozwala na zwiększenie wiarygodności i użyteczności opracowanych rozwiązań.

Uzyskane wyniki wskazują, że zastosowanie sztucznej inteligencji w metrologii powierzchni prowadzi do istotnej zmiany paradygmatu tej dziedziny – od podejścia opartego na analizie pojedynczych parametrów w kierunku analizy złożonych struktur danych i ich znaczenia funkcjonalnego. Integracja metod AI z systemami pomiarowymi wpisuje się w rozwój koncepcji Przemysłu 4.0 i 5.0, gdzie metrologia staje się elementem systemów monitorowania jakości w czasie rzeczywistym, cyfrowych bliźniaków oraz systemów predykcyjnego utrzymania ruchu. Zgodnie z planem, przeprowadzone badania doprowadziły do opracowania kompleksowego podejścia do analizy powierzchni z wykorzystaniem sztucznej inteligencji, obejmującego cały łańcuch przetwarzania danych – od ich pozyskiwania, poprzez przygotowanie i analizę, aż po interpretację wyników. Opracowane metody i algorytmy stanowią podstawę przygotowywanej rozprawy doktorskiej oraz znajdą zastosowanie w nowoczesnych systemach metrologicznych i przemysłowych. Zostały wprowadzone w oprogramowaniu firmy Topo-Lab.

W trakcie doktoratu opublikowano trzy publikacje:

1) Kowal, A., Berg, M., Nowak S., Artificial Inteligence procedures in surface topography — a review, Topography Letters, 2, 4, 2025, 45-56.

2) Kowal, A., Berg, M., Nowak S., Svenson I., Algorithm to assist operator in surface topography analysis, Artificial Intelligence, 7, 2026, 32-46.

3) Kowal, A., Berg, M., Nowak S., Implementation of AI for surface topography analysis, Journal of Mechanical Engineering, 28, 2027, 1206-1230.

W ramach części wdrożeniowej projektu również zrealizowano wszystkie zaplanowane zadania wynikające z harmonogramu prac. Działania miały charakter iteracyjny i integracyjny – obejmowały zarówno opracowanie i implementację narzędzi informatycznych, jak i ich stopniowe wdrażanie w środowisku rzeczywistym, z wykorzystaniem infrastruktury podmiotu współpracującego.

W pierwszym etapie prac opracowano wstępne algorytmy implementacji rozwiązań sztucznej inteligencji w metrologii powierzchni. Równolegle przeprowadzono analizę dostępnych języków programowania oraz bibliotek obliczeniowych, uwzględniając kryteria takie jak wydajność obliczeniowa, dostępność narzędzi do przetwarzania danych oraz możliwość integracji z systemami pomiarowymi. Na tej podstawie wybrano środowisko programistyczne zapewniające odpowiednią skalowalność i elastyczność implementacyjną. Opracowano również koncepcję systemu ekstrakcji danych pomiarowych, opartą na separacji informacji związanych z przyrządem i warunkami pomiarowymi od właściwych danych topograficznych.

Podejście to stanowiło fundament dalszych prac wdrożeniowych, umożliwiając budowę uniwersalnych struktur danych niezależnych od konkretnej techniki pomiarowej. W drugim etapie wdrożono procedury doboru materiałów badawczych wykorzystywanych w procesie tworzenia baz uczenia maszynowego. Wykorzystując dane historyczne pochodzące z działalności podmiotu współpracującego (Topo-Lab), przeprowadzono analizę najczęściej badanych materiałów oraz zakresów zmienności ich parametrów powierzchniowych. Na tej podstawie określono reprezentatywny zbiór materiałów obejmujący m.in. stopy aluminium, brąz, mosiądz, żeliwo oraz różne gatunki stali. Dla tych materiałów zdefiniowano zakresy wartości kluczowych parametrów topografii, co umożliwiło przygotowanie próbek odpowiadających rzeczywistym warunkom przemysłowym oraz zapewniło wysoką jakość danych wejściowych do modeli sztucznej inteligencji.

Kolejny etap prac obejmował wdrożenie procedur doboru technik pomiarowych wykorzystywanych w procesie budowy baz danych. Opracowano metodykę wyboru odpowiednich systemów pomiarowych w zależności od charakterystyki powierzchni, uwzględniając zarówno techniki stykowe, jak i bezstykowe. W ramach wdrożenia zapewniono możliwość integracji danych pochodzących z różnych urządzeń oraz ich ujednolicenia w ramach wspólnej struktury danych. Istotnym elementem tego etapu było opracowanie interfejsów umożliwiających automatyczny import i przetwarzanie danych pomiarowych, co znacząco usprawniło proces tworzenia baz danych. Następnie wdrożono procedury doboru cech metrologicznych wykorzystywanych w analizie danych. Oprócz klasycznych parametrów chropowatości wprowadzono rozszerzony zestaw deskryptorów opisujących strukturę powierzchni, uwzględniający zarówno parametry statystyczne, jak i przestrzenne. Opracowane rozwiązania umożliwiły automatyczną ekstrakcję cech z danych pomiarowych oraz ich przygotowanie do dalszego przetwarzania w modelach uczenia maszynowego. Etap ten stanowił istotne powiązanie między częścią badawczą a wdrożeniową projektu.

Kolejnym krokiem było wdrożenie autorskiego zbioru parametrów pomiarowych wykorzystywanych przy tworzeniu baz danych sztucznej inteligencji (rys.7). Parametry te zostały opracowane na podstawie wcześniejszych analiz i obejmowały zarówno klasyczne miary chropowatości, jak i nowo zdefiniowane wskaźniki opisujące złożone cechy powierzchni.

Wdrożenie tego zbioru umożliwiło standaryzację danych oraz zwiększyło ich użyteczność w procesie uczenia modeli. Przeprowadzono też wstępne wdrożenie opracowanych algorytmów sztucznej inteligencji w środowisku obliczeniowym podmiotu współpracującego. Implementacja obejmowała integrację algorytmów z istniejącą infrastrukturą informatyczną oraz ich dostosowanie do pracy na rzeczywistych danych pomiarowych. W tym etapie szczególną uwagę zwrócono na wydajność obliczeniową oraz możliwość przetwarzania dużych zbiorów danych.

Po takim przygotowaniu dokonano pełnego wdrożenia opracowanych algorytmów, obejmującego ich integrację z systemami pomiarowymi oraz bazami danych. Opracowane rozwiązania umożliwiły automatyczną analizę danych topograficznych, klasyfikację powierzchni oraz wspomaganie decyzji dotyczących doboru techniki pomiarowej. System został zaprojektowany w sposób modułowy, co pozwala na jego dalszą rozbudowę oraz adaptację do różnych zastosowań przemysłowych. Implementację systemu w przyrządzie pomiarowym Topo-Lab prezentuje rysunek.

Ostatni etap prac obejmował walidację wdrożonych algorytmów sztucznej inteligencji. Przeprowadzono testy w warunkach zbliżonych do rzeczywistych, analizując skuteczność działania systemu, jego stabilność oraz odporność na zmienność danych wejściowych. Wyniki walidacji potwierdziły poprawność przyjętych założeń oraz wysoką efektywność opracowanych rozwiązań. Szczególną uwagę zwrócono na zgodność wyników z wymaganiami przemysłowymi oraz możliwość praktycznego zastosowania systemu.

Uzyskane rezultaty wskazują, że przeprowadzone prace wdrożeniowe doprowadziły do stworzenia spójnego systemu wspierającego analizę powierzchni z wykorzystaniem sztucznej inteligencji. System ten obejmuje cały łańcuch przetwarzania danych – od ich pozyskiwania i standaryzacji, poprzez ekstrakcję cech, aż po analizę i interpretację wyników. Integracja opracowanych rozwiązań z infrastrukturą przemysłową wpisuje się w koncepcję Przemysłu 4.0 i 5.0, umożliwiając automatyzację procesów metrologicznych oraz ich powiązanie z systemami zarządzania produkcją. Część wdrożeniowa projektu doprowadziła zatem do praktycznej implementacji opracowanych metod i algorytmów, stanowiąc pomost między badaniami naukowymi a ich zastosowaniem w środowisku przemysłowym. Opracowany system może stanowić podstawę dalszego rozwoju narzędzi wspomagających metrologię powierzchni oraz ich komercyjnego wykorzystania.

Doktorantka zrealizowała prace badawcze w sposób zgodny z przyjętym harmonogramem. Przeprowadzone prace obejmują pełen, cykl badawczy – od analizy literatury przedmiotu, poprzez przygotowanie materiału badawczego i baz danych, aż po opracowanie, implementację i walidację zaawansowanych algorytmów sztucznej inteligencji wspierających metrologię powierzchni. W studium literaturowym Doktorantka nie ograniczyła się do przeglądu istniejących rozwiązań, lecz dokonała ich krytycznej analizy, identyfikując kluczowe kierunki rozwoju, takie jak wykorzystanie metod głębokiego uczenia, analiza pełnych danych topograficznych 2D i 3D oraz rozwój modeli predykcyjnych łączących strukturę powierzchni z jej właściwościami funkcjonalnymi. Jednocześnie trafnie wskazała istotne ograniczenia obecnych podejść, w tym problemy związane z dostępnością i jednorodnością danych, interpretowalnością modeli oraz trudnościami implementacyjnymi w środowisku przemysłowym. Świadczy to o bardzo dobrej orientacji Doktorantki w aktualnym stanie wiedzy oraz umiejętności formułowania problemów badawczych o wysokim znaczeniu naukowym i aplikacyjnym. Istotnym elementem prowadzonych prac było również właściwe zdefiniowanie wymagań dla systemów pomiarowych współpracujących z algorytmami sztucznej inteligencji. Doktorantka przyjęła nowoczesną perspektywę, koncentrującą się nie na klasycznych parametrach metrologicznych, lecz na jakości danych wejściowych dla modeli uczenia maszynowego, uwzględniając takie aspekty jak rozdzielczość przestrzenna, spójność danych czy ograniczenie szumu . Podejście to należy uznać za szczególnie wartościowe w kontekście rozwoju inteligentnych systemów pomiarowych. Przygotowała również reprezentatywny zbiór próbek badawczych, obejmujący powierzchnie wytwarzane różnymi technologiami. Zapewnienie możliwości ich wielokrotnego pomiaru różnymi metodami stanowi solidną podstawę do dalszych analiz porównawczych oraz budowy wiarygodnych modeli uczących się. Kolejnym ważnym osiągnięciem jest kompleksowa analiza technik pomiarowych oraz ich wpływu na właściwości danych wykorzystywanych w procesie uczenia modeli. Doktorantka udowodniła, że różne metody pomiarowe generują dane o odmiennych charakterystykach statystycznych i strukturalnych, co bezpośrednio przekłada się na skuteczność i zdolność generalizacji modeli sztucznej inteligencji. Szczególnie cenne jest odejście od klasycznego podejścia parametrycznego na rzecz analizy pełnych map topografii powierzchni, co znajduje potwierdzenie w przedstawionych wynikach. Opracowała procedury tworzenia, integracji i standaryzacji baz danych metrologicznych. Wprowadzenie metod umożliwiających łączenie danych pochodzących z różnych technik pomiarowych (tzw. fuzja danych) stanowi element nowatorski i rzadko spotykany w dotychczasowych pracach, zarówno na poziomie publikacyjnym, jak i implementacyjnym. Obszar ten ma duży potencjał dalszego rozwoju i stanowi jeden z istotnych wkładów rozprawy doktorskiej. Zastosowanie metod uczenia maszynowego, w tym głębokiego uczenia, do zadań takich jak klasyfikacja powierzchni, identyfikacja procesów technologicznych czy detekcja defektów, pozwoliło na uzyskanie wyników przewyższających klasyczne podejścia oparte na ograniczonym zestawie parametrów. Efektem pracy jest też algorytm wspomagający dobór techniki pomiarowej, co wpisuje się w rozwój adaptacyjnych systemów metrologicznych. Przeprowadzono walidację opracowanych modeli z wykorzystaniem danych niezależnych oraz analizę ich stabilności i zdolności generalizacji. Zwrócono uwagę na problem interpretowalności modeli, a włączenie do rozważań podejść hybrydowych, łączących modele fizyczne z metodami sztucznej inteligencji, należy uznać za kierunek szczególnie perspektywiczny.

Praca doktorska ma charakter nowoczesny i interdyscyplinarny, łącząc zagadnienia metrologii, analizy danych oraz sztucznej inteligencji. Badania wpisują się w aktualne trendy związane z rozwojem Przemysłu 4.0 i 5.0, w szczególności w kontekście inteligentnych systemów pomiarowych, cyfrowych bliźniaków oraz systemów monitorowania jakości w czasie rzeczywistym. Istotnym atutem jest również potencjał aplikacyjny opracowanych rozwiązań, potwierdzony ich implementacją w oprogramowaniu przemysłowym. W mojej ocenie Doktorantka wykazuje bardzo dobrą samodzielność badawczą, umiejętność prowadzenia złożonych analiz oraz zdolność do syntezy wyników i formułowania wniosków o znaczeniu naukowym i praktycznym. Przedstawiona rozprawa doktorska jest bardzo wartościowa, co bardzo pozytywnie świadczy również dla przyszłego rozwoju. Warto też zwrócić uwagę, na bardzo dobre publikacje przygotowane w czasie badań, w których Doktorantka ma doniosły udział.

Doktorantka przeprowadziła badania i dokonała wdrożenia gotowego rozwiązania w praktyce przemysłowej w naszej firmie. Z powodzeniem przełożyła opracowane koncepcje teoretyczne i algorytmiczne na funkcjonujące rozwiązania aplikacyjne, co stanowi istotny element dorobku pracy. Na szczególne podkreślenie zasługuje kompleksowe podejście do procesu wdrożeniowego, obejmujące cały łańcuch związany z danymi, począwszy od ich pozyskiwania z różnych systemów pomiarowych, poprzez integrację, aż po analizę z wykorzystaniem metod sztucznej inteligencji oraz interpretację wyników. Takie ujęcie problemu świadczy o bardzo dobrej znajomości zarówno aspektów teoretycznych, jak i praktycznych związanych z implementacją systemów opartych na danych metrologicznych. Istotnym osiągnięciem jest implementacja procedur integracji i fuzji danych pochodzących z różnych technik pomiarowych. Rozwiązanie to odpowiada na jeden z kluczowych problemów współczesnej metrologii powierzchni, jakim jest niejednorodność danych oraz trudność ich wspólnej analizy. Opracowane podejście ma charakter nowatorski i posiada duży potencjał aplikacyjny, szczególnie w kontekście budowy zintegrowanych systemów pomiarowych i analitycznych.

Wdrożone algorytmy sztucznej inteligencji, w tym modele uczenia maszynowego i głębokiego uczenia, zostały zaadaptowane do pracy na rzeczywistych danych przemysłowych, co stanowiło swoiste wyzwanie implementacyjne. Dostosowano metody analityczne do ograniczeń praktycznych, takich jak jakość danych, obecność szumu czy zmienność warunków pomiarowych. Wykorzystano pełne dane topograficzne zamiast ograniczonego zestawu parametrów, co pozwala na bardziej precyzyjną analizę i zwiększa użyteczność systemu w zastosowaniach przemysłowych. Warto też zwrócić uwagę na opracowanie i wdrożenie algorytmu wspomagającego dobór techniki pomiarowej w zależności od charakterystyki powierzchni oraz wymagań pomiarowych. Rozwiązanie to wpisuje się w koncepcję inteligentnych, adaptacyjnych systemów metrologicznych i może stanowić istotne narzędzie wspierające procesy decyzyjne w praktyce przemysłowej.

Bardzo istotnym elementem części wdrożeniowej jest faktyczna implementacja opracowanych rozwiązań w oprogramowaniu przemysłowym (Topo-Lab), co potwierdza ich dojrzałość technologiczną oraz gotowość do zastosowań praktycznych. Wdrożenie to stanowi wyraźny dowód, że uzyskane rezultaty nie mają jedynie charakteru teoretycznego, lecz mogą być efektywnie wykorzystywane w rzeczywistych systemach metrologicznych. Pozytywnie oceniam także uwzględnienie zagadnień związanych z walidacją modeli oraz ich interpretowalnością w kontekście zastosowań inżynierskich. Wdrożenie rozwiązań opartych na sztucznej inteligencji w praktyce przemysłowej wymaga nie tylko wysokiej skuteczności, ale również zrozumiałości wyników, co zostało właściwie dostrzeżone przez Doktorantkę. Przedstawione rozwiązania wpisują się w aktualne kierunki rozwoju nowoczesnego przemysłu, w szczególności w koncepcje Przemysłu 4.0 i 5.0, gdzie integracja systemów pomiarowych z metodami analizy danych i sztucznej inteligencji odgrywa kluczową rolę w zapewnieniu jakości, automatyzacji oraz predykcyjnego utrzymania ruchu. Opracowany system może stanowić element bardziej złożonych środowisk, takich jak cyfrowe bliźniaki czy systemy monitorowania w czasie rzeczywistym.

Doktorantka wykazała się wysokimi kompetencjami w zakresie transferu wiedzy z obszaru badań naukowych do praktyki przemysłowej. Umiejętność ta znacząco podnosi wartość całej rozprawy doktorskiej. Całość współpracy z Doktorantką oceniam bardzo pozytywnie.

Nazwa podmiotu: Akademia Metrologiczna

Nazwisko i imię Doktoranta/ki biorącego udział w Programie: Anna Kowal

Temat projektu: Topografia powierzchni wspierana przez sztuczną inteligencję

Dyscyplina (lub dyscypliny), do których zaklasyfikowano projekt: Dziedzina nauk inżynieryjno-technicznych/inżynieria mechaniczna

Czy opiniowany raport końcowy pozwala uznać wdrożeniowy charakter projektu? Tak

Czy opiniowany raport końcowy jest w zgodzie z przyjętym IPB? Tak

Kryteria oceny

1. Działania Doktoranta/ki w dyscyplinie/dyscyplinach naukowych, związanych z tematem projektu, w tym w uzasadnieniu wskazać:

1.1. Stan znajomości oraz krytyczną analizę literatury i innych źródeł związanych z tematyką projektu: satysfakcjonujący

1.2. Publikacje dotyczące tematyki projektu (np. artykuły naukowe, monografie lub rozdziały doniesienia naukowe, working papers), przygotowane w wyniku realizacji badań przez Doktoranta/kę: (satysfakcjonujący / niesatysfakcjonujący)

satysfakcjonujący

1.3. Działania zmierzające do uzyskania patentów na wynalazki, zabezpieczania praw ochronnych na wzory użytkowe, wdrożenia związane z realizacją lub powstałe w ramach projektu: udokumentowane

1.4. Popularyzację lub promocję wyników badań uzyskanych w projekcie (np. wystąpienia na konferencjach, udział w upowszechnianiu wiedzy, wnioski o granty, nagrody, wyróżnienia, warsztaty, szkoły letnie): satysfakcjonujące

1.5. Oryginalność i potencjał naukowy projektu z perspektywy jego zakończenia: satysfakcjonujące

Maksymalna liczba punktów: 35

Przyznana liczba punktów: 35

Uzasadnienie:

Doktorantka zrealizowała wszystkie zadania badawcze, jakie były przewidziane do realizacji. Wykazała się znajomością literatury, przegląd nie budzi zastrzeżeń. Projekt ma oryginalny potencjał, badania wniosły nowe treści naukowe. Potencjalnie pewne jego elementy mają szansę na zabezpieczanie praw ochronnych. Efektem są także trzy publikacje w renomowanych czasopismach: Topography Letters, Artificial Intelligence i Journal of Mechanical Engineering, w których Doktorantka jest pierwszą autorką. Udokumentowano wdrożenie. Bardzo dobra i merytoryczna opinia opiekuna naukowego.

2. Działania Doktoranta/ki w zakresie warsztatu badawczo-wdrożeniowego, w tym w uzasadnieniu wskazać:

2.1. Metodykę badań oraz umiejętności ich zastosowania do rozwiązania problemów naukowych, technologicznych lub projektanckich związanych z realizacją projektu: satysfakcjonująca

2.2. Pozyskiwanie i wykorzystanie zasobów (np. informacji, danych, materiałów, aparatury, urządzeń) niezbędnych do realizacji projektu: satysfakcjonująca

2.3. Potencjał wdrożeniowy projektu z perspektywy jego zakończenia: satysfakcjonująca

2.4. Komunikatywność i jakość redakcji opisu w raporcie: satysfakcjonująca

Maksymalna liczba punktów: 30

Przyznana liczba punktów: 30

Uzasadnienie:

Doktorantka w ciągu całego doktoratu wykazała się znajomością metodyki badań oraz umiejętnością ich zastosowania do rozwiązania problemów naukowych i technologicznych. Poprawnie pozyskiwała zasoby niezbędne do realizacji projektu. Pozytywnie oceniam potencjał wdrożeniowy projektu z perspektywy jego zakończenia. Komunikatywność i jakość redakcji opisu w raporcie są bardzo dobre, widać łatwość pisania, co naturalnie oceniam pozytywnie.

3. Działania Doktoranta/ki w zakresie prac związanych z wdrożeniem efektów z uwzględnieniem opinii promotora i opiekuna pomocniczego, w tym w uzasadnieniu wskazać:

3.1. Rozwój kwalifikacji/kompetencji Doktoranta/ki koniecznych do opracowania wersji wdrożeniowej projektu: satysfakcjonująca

3.2. Zaangażowanie podmiotu współpracującego w realizację projektu: satysfakcjonująca

3.3. Merytoryczną wartość opinii opiekuna pomocniczego: satysfakcjonująca

3.4. Oryginalność i potencjał wdrożeniowy prac realizowanych w ramach projektu: satysfakcjonująca

3.5. Potencjał podmiotu współpracującego do wdrożenia wyników projektu: satysfakcjonująca

3.6. Prawdopodobny wpływ działalności Doktoranta/ki na otoczenie społeczno-gospodarcze: satysfakcjonująca

Maksymalna liczba punktów: 30

Przyznana liczba punktów: 30

Uzasadnienie:

Pozytywnie oceniam rozwój kwalifikacji i kompetencji Doktorantki koniecznych do przygotowania wersji wdrożeniowej projektu realizowanego jako Doktorat wdrożeniowy. Podobnie przedstawia się zaangażowanie podmiotu współpracującego w realizację projektu. Opinia opiekuna pomocniczego jest bardzo dobra. Projekt jest oryginalny z potencjałem wdrożeniowym. Pozytywnie oceniam nie tylko możliwości wdrożenia wyników projektu przez podmiot współpracujący, ale także — a może nawet szczególnie — fakt, że wdrożenie już nastąpiło. Wpływ działalności Doktorantki na otoczenie społeczno-gospodarcze jest spory, dla wszystkich potencjalnie zainteresowanych pomiarami topografii powierzchni.

Suma 100 na 100

Podsumowanie oceny

Czy raport końcowy wymaga uzupełnienia? Nie

Czy raport jest rekomendowany do przyjęcia? Tak

Rekomendacja dotycząca zakresu uzupełnienia lub przyjęcia albo odmowy przyjęcia raportu końcowego: Rekomenduję przyjęcie raportu końcowego. Doktorantka zrealizowała cele pracy, doprowadziła do wdrożenia zaproponowanego rozwiązania w zakładzie pracy (podmiot współpracujący). Opublikowała trzy artykuły w renomowanych czasopismach. Rozprawa doktorska jest gotowa do obrony.

Taki komplet raportów i ocena zamykają cały okres działalności Doktoranta. Jednocześnie jest to koniec pracy eksperta z zespołu doradczego ds. Programu „Doktorat wdrożeniowy” nad tym konkretnym projektem. Zespół nie zajmuje się bowiem oceną rozpraw doktorskich, wyznaczanie recenzentów i cała reszta procedury należy do właściwych Rad Dyscyplin.

Bardzo istotnym obszarem nauk inżynieryjno-technicznych jest inżynieria materiałowa, a w niej odlewnictwo, które obejmuje projektowanie, przygotowanie oraz wykonywanie wyrobów metalowych poprzez zalewanie form ciekłym stopem. Z punktu widzenia zakładu przemysłowego do jego najważniejszych obszarów należą m.in. przygotowanie stopów, technologia form i rdzeni oraz kontrola jakości odlewów, czyli działania niezbędne do uzyskania wyrobów o wymaganych właściwościach użytkowych i wymiarowych. Ważną rolę w tym procesie odgrywa kontrola parametrów technologicznych i jakościowych, ponieważ odlewnictwo jest dziedziną, w której nawet niewielkie odchylenia w składzie chemicznym, temperaturze zalewania, warunkach krzepnięcia czy jakości formy mogą istotnie wpływać na końcowe właściwości wyrobu. Dzięki odpowiedniemu nadzorowi możliwe jest nie tylko zapewnienie poprawności procesu, lecz także ograniczenie wad odlewniczych i zwiększenie efektywności produkcji.

Szczególne znaczenie ma jakość powierzchni i struktury wewnętrznej odlewów, które w dużym stopniu decydują o ich trwałości, wytrzymałości oraz przydatności eksploatacyjnej. W praktyce odlewniczej istotna jest zarówno ocena geometryczna i wymiarowa wyrobu, jak i analiza jego powierzchni oraz ewentualnych nieciągłości wewnętrznych, takich jak pęcherze, jamy skurczowe, porowatość czy wtrącenia. W nowoczesnym przemyśle motoryzacyjnym, maszynowym czy lotniczym, odlewy muszą spełniać coraz wyższe wymagania jakościowe, ponieważ stanowią często odpowiedzialne elementy konstrukcyjne. Rozwój współczesnych technologii odlewniczych, metod symulacji procesów krzepnięcia oraz nowoczesnych technik badawczych pozwala na dokładniejsze przewidywanie jakości wyrobów i optymalizację całego procesu produkcyjnego. Dzięki temu odlewnictwo pozostaje jedną z kluczowych gałęzi przemysłu, wspierając rozwój nowoczesnych konstrukcji, zwiększając efektywność wytwarzania i podnosząc standardy jakości. W kontekście technologii odlewniczej szczególne znaczenie mają metody umożliwiające analizę zależności pomiędzy parametrami procesu technologicznego a jakością uzyskiwanych materiałów, w tym identyfikację czynników wpływających na powstawanie defektów odlewniczych.

Poniżej przygotowano modelowy przykład rozwiązania, oparty na współpracy przedsiębiorstwa z uczelnią w Programie „Doktorat wdrożeniowy”. Dla potrzeb stworzenia modelu wymyślono hipotetyczną i nieistniejącą firmę oraz uczelnię. Również osoby przytaczane w projekcie są czysto hipotetyczne, a jakiekolwiek podobieństwo do rzeczywistych postaci czy podmiotów jest przypadkowe i całkowicie niezamierzone.

Firma CastMat Solutions, zlokalizowana w niedużym mieście (ok. 40 tys. mieszkańców) w południowo-zachodniej Polsce, jest średniej wielkości przedsiębiorstwem działającym w obszarze odlewnictwa metali oraz inżynierii materiałowej. Firma specjalizuje się w projektowaniu i wytwarzaniu odlewów metalowych przeznaczonych dla przemysłu motoryzacyjnego oraz maszynowego. W swojej działalności przedsiębiorstwo stara się nadążać za najnowszymi trendami w technologii odlewniczej oraz rozwiązaniami związanymi z koncepcjami Przemysł 4.0 i Przemysł 5.0. Podstawą działalności przedsiębiorstwa jest produkcja elementów odlewanych z lekkich stopów metali. Komponenty te znajdują zastosowanie w elementach konstrukcyjnych maszyn, podzespołach silników oraz innych elementach wymagających odpowiedniej wytrzymałości i niezawodności eksploatacyjnej. W związku z rosnącymi wymaganiami jakościowymi stawianymi komponentom przemysłowym firma rozwija kompetencje w zakresie analizy mikrostruktury materiałów, badań właściwości mechanicznych oraz optymalizacji procesów odlewniczych. Stawia też mocno na kontrolę jakości w oparciu o współrzędnościowe skanowanie przestrzenne i oprogramowanie do przetwarzania danych. Jednym z najważniejszych wyzwań technologicznych w produkcji odlewów jest zapewnienie wysokiej powtarzalności jakości materiału oraz ograniczenie występowania defektów odlewniczych. Powstawanie tych zjawisk jest silnie uzależnione od parametrów procesu technologicznego, co sprawia, że przedsiębiorstwo prowadzi działania badawczo-rozwojowe ukierunkowane na poprawę właściwości mechanicznych uzyskiwanych odlewów. Szczególną uwagę poświęca się możliwościom wykorzystania nowoczesnych metod analizy danych produkcyjnych oraz wyników badań materiałowych.

W ostatnich latach firma zainteresowała się zastosowaniem metod uczenia maszynowego oraz procedur sztucznej inteligencji do analizy danych procesowych. Kadra zastanawia się nad możliwością opracowania narzędzi umożliwiających predykcję jakości odlewów, w szczególności związaną z występowaniem defektów materiałowych i powiązaniem jej z parametrami procesu technologicznego. Dynamiczny rozwój technologii cyfrowych oraz rosnąca dostępność danych produkcyjnych w przedsiębiorstwach przemysłowych stwarzają bowiem nowe możliwości w zakresie analizy procesów technologicznych.

W przedsiębiorstwie CastMat Solutions gromadzone są liczne dane dotyczące procesu produkcyjnego oraz wyniki badań jakościowych wytwarzanych komponentów. Dane te stanowią potencjalne źródło informacji umożliwiających identyfikację zależności pomiędzy parametrami procesu technologicznego a właściwościami uzyskiwanych materiałów. Jednym z kluczowych wyzwań pozostaje jednak opracowanie metod analizy tych danych w sposób umożliwiający wiarygodne prognozowanie jakości odlewów oraz identyfikację czynników wpływających na powstawanie defektów materiałowych. W związku z tym pojawił się pomysł realizacji projektu badawczego, którego celem byłoby opracowanie modeli analitycznych i predykcyjnych umożliwiających przewidywanie jakości odlewów na podstawie danych procesowych. Realizacja takiego projektu wymaga połączenia wiedzy z zakresu technologii odlewniczej, inżynierii materiałowej oraz metod analizy danych.

Ze względu na złożoność analizowanych zagadnień, obejmujących elementy inżynierii materiałowej, technologii odlewniczej oraz analizy danych, niewystarczalność stosowania komercyjnego oprogramowania modelującego proces odlewania, a także uwzględniając interdyscyplinarny charakter problemu, przedsiębiorstwo zdecydowało się na podjęcie współpracy z uczelnią techniczną. Współpraca ta ma umożliwić realizację projektu badawczo-wdrożeniowego w ramach Programu „Doktorat wdrożeniowy”, którego celem będzie opracowanie modeli predykcyjnych wspierających optymalizację procesów odlewniczych oraz poprawę jakości wytwarzanych komponentów. Oczekiwanym rezultatem prowadzonych badań byłoby stworzenie narzędzi wspierających proces optymalizacji parametrów technologicznych oraz ograniczanie występowania defektów odlewniczych w produkcji przemysłowej. Firma liczy też na rozwój kompetencji personelu a nie tylko osoby prowadzącej projekt i zainteresowanej uzyskaniem stopnia naukowego doktora.

Po rozmowach CastMat Solutions zdecydowała się na współpracę z uczelnią — Uniwersytetem Technicznym, który posiada sprawnie funkcjonującą Szkołę Doktorską. Wśród jej pracowników znajduje się profesor Marek Zieliński, który od lat zajmuje się zagadnieniami inżynierii materiałowej, ze szczególnym uwzględnieniem odlewnictwa, publikuje także w obszarze wykorzystania sztucznej inteligencji w inżynierii materiałowej. Firma ze swej strony zaproponowała mgr inż. Jana Sawickiego, kierownika Działu Badawczo-Rozwojowego jako opiekuna pomocniczego (opiekun pomocniczy nie musi posiadać stopnia naukowego doktora, ale jeśli nie ma, to musi wykazać się istotnym dorobkiem w działalności wdrożeniowej — wdrożenia, patenty, lub mieć przynajmniej pięcioletnie doświadczenie naukowe). W jego dziale pracuje od kilku lat pan mgr inż. Roman Marzec będący absolwentem politechniki, w której uzyskał tytuł zawodowy magistra na kierunku przypisanym do dyscypliny naukowej inżynieria materiałowa. Jest on zainteresowany dalszym własnym rozwojem i chętnie podejmuje wyzwania związane z badaniami. Z tego powodu bardzo chętnie zgodził się na propozycję zaangażowania się w temat badawczy, którego efektem będzie wdrożenie w macierzystej firmie. Zespół wspólnie przygotował wniosek o doktorat wdrożeniowy (tab. 1).

*najczęściej na etapie przygotowania wniosku w firmie już jest wybrana osoba doktoranta, jednakże formalnie ona w nim nie występuje. Jest wprowadzana dopiero po zakwalifikowaniu wniosku do realizacji przez MNiSW oraz po pozytywnej rekrutacji do Szkoły Doktorskiej. Dopiero wtedy zostaje formalnie zgłoszona do projektu.

Moduł Doktorat wdrożeniowy I określa ogólną tematykę doktoratów, w odróżnieniu od tematyki specjalnej, możliwej do określenia przez Ministerstwo w konkretnym obszarze badań. Pomiędzy zainteresowanymi osobami nie stwierdzono konfliktu interesów. Strony ustalają, że doktorant będzie miał dostęp do wyposażenia badawczego na uczelni oraz do urządzeń produkcyjnych i pomiarowych w firmie. Ustalono również, że własność intelektualna powstała w wyniku projektu będzie zagospodarowana w następujący sposób: jeśli powstanie po stronie firmy — będzie jej własnością. Jeśli powstanie w wyniku prac na uczelni — będzie własnością uczelni. Jeśli powstanie w wyniku działań wspólnych, to każdorazowo zespół oceni procentowy udział każdej ze stron. Uczelnia gwarantuje firmie prawo pierwokupu swojej części własności intelektualnej.

Przedstawiony pomysł przekształcany jest następnie w formalny wniosek, przygotowany na podstawie formularza opracowanego przez zespół doradczy Ministra Nauki i Szkolnictwa Wyższego ds. oceny wniosków i raportów w ramach Programu „Doktorat wdrożeniowy”. Każdy punkt formularza dotyczy ważnych aspektów z punktu widzenia tematyki, osób i podmiotów ubiegających się o projekt. Formularz ma przy tym określoną maksymalną liczbę znaków, co ma na celu zapewnienie zwięzłości oraz przejrzystości przedstawianych informacji. Istnieje co prawda możliwość dodania załącznika, w przypadku konieczności uzupełnienia danych, ale jak najbardziej bez tego można dobrze przygotować wniosek. Poniżej przedstawiono elementy, które są opisywane we wniosku.

1) Charakterystyka doświadczeń podmiotu we współpracy z podmiotami systemu szkolnictwa wyższego, nauki lub sektora B+R ze szczególnym uwzględnieniem ostatnich 5 lat (do 1000 znaków ze spacjami)

CastMat Solutions posiada dział B+R, w którym pracuje 12 specjalistów z zakresu inżynierii materiałowej, technologii odlewniczej oraz analizy danych. Zespół rozwija metody optymalizacji procesów odlewniczych oraz analizuje właściwości materiałów wykorzystywanych w produkcji odlewów. Dział realizuje projekty związane z analizą mikrostruktury stopów metalicznych, optymalizacją parametrów krzepnięcia oraz ograniczaniem występowania defektów odlewniczych. W ciągu ostatnich 5 lat firma zrealizowała kilka projektów B+R we współpracy z jednostkami naukowymi, dotyczących m.in. wpływu parametrów procesu odlewania na mikrostrukturę materiału oraz doskonalenia technologii odlewniczych. Efekty pozwoliły na poprawę stabilności procesu produkcyjnego. Przedsiębiorstwo realizuje także projekty finansowane ze środków regionalnych związane z rozwojem technologii produkcji odlewów oraz podnoszeniem kompetencji pracowników. Firma uczestniczy w programach współpracy z kilkoma uczelniami technicznymi.

2) Potencjał podmiotu współpracującego z perspektywy realizacji projektu — aparatura badawcza, doświadczenie w branży, infrastruktura (do 1500 znaków ze spacjami)

CastMat Solutions powstało w roku 1994. Zatrudnia 118 pracowników i dysponuje stosunkowo nowoczesnym zapleczem technologicznym obejmującym linię produkcyjną do wytwarzania odlewów metalowych oraz laboratorium badań materiałowych i laboratorium pomiaru wielkości geometrycznych. Laboratorium wyposażone jest m.in. w urządzenia do analizy mikrostruktury materiałów, stanowiska do badań właściwości mechanicznych oraz systemy skanowania i analizy powierzchni. Posiada też oprogramowanie do analizy danych statystycznych. W przedsiębiorstwie gromadzone są również dane procesowe związane z produkcją odlewów, obejmujące parametry technologiczne procesu odlewania, skład chemiczny stopów, temperatury krzepnięcia oraz wyniki kontroli jakości. Dane te stanowią istotną podstawę do prowadzenia analiz dotyczących zależności pomiędzy parametrami procesu a właściwościami materiałów. Dzięki posiadanemu zapleczu technologicznemu oraz doświadczeniu w produkcji przemysłowej firma posiada odpowiedni potencjał do realizacji projektów badawczo-rozwojowych związanych z optymalizacją procesów odlewniczych.

Celem projektu jest opracowanie metod analizy danych procesowych oraz budowa modeli predykcyjnych pozwalających na prognozowanie jakości odlewów na podstawie parametrów procesu technologicznego. Efektem będzie stworzenie narzędzi wspierających proces optymalizacji parametrów technologicznych oraz ograniczanie występowania defektów odlewniczych w produkcji przemysłowej. Powstawanie takich niezgodności jak porowatość, pęknięcia czy wtrącenia niemetaliczne jest silnie uzależnione od parametrów procesu technologicznego. W firmie gromadzone są dane produkcyjne oraz wyniki badań materiałowych, które zostaną wykorzystane do identyfikacji zależności między parametrami procesu a jakością odlewów. Problem badawczy polega na opracowaniu metod analizy tych danych oraz stworzeniu modeli predykcyjnych do przewidywania jakości odlewów i identyfikacji czynników wpływających na powstawanie defektów materiałowych.

odlewnictwo, wady odlewnicze, proces produkcyjny, jakość, analiza danych, predykcja

5) Naukowe znaczenie projektu — stan wiedzy, uzasadnienie podjęcia problemu, znaczenie wyników projektu dla rozwoju danej dziedziny i dyscypliny naukowej (do 2000 znaków ze spacjami)

Projekt posiada istotne znaczenie naukowe w obszarze inżynierii materiałowej oraz technologii odlewniczej, ponieważ dotyczy analizy zależności pomiędzy parametrami procesu technologicznego, mikrostrukturą materiału oraz właściwościami mechanicznymi odlewów. Zrozumienie tych zależności jest jednym z kluczowych zagadnień współczesnych badań w dziedzinie materiałów metalicznych oraz technologii ich wytwarzania. W ramach projektu planowane jest opracowanie metod analizy danych procesowych oraz wyników badań materiałowych w celu identyfikacji czynników wpływających na powstawanie defektów odlewniczych. Szczególna uwaga zostanie poświęcona możliwościom wykorzystania metod uczenia maszynowego do modelowania złożonych zależności pomiędzy parametrami procesu odlewania a jakością uzyskiwanych materiałów. Realizacja projektu przyczyni się do rozwoju metod analizy danych stosowanych w badaniach materiałowych oraz do pogłębienia wiedzy na temat mechanizmów powstawania niezgodności materiałowych w procesach odlewniczych. Wyniki badań mogą stanowić podstawę do opracowania nowych podejść w zakresie predykcji właściwości materiałów oraz identyfikacji defektów w procesach wytwarzania. Projekt wpisuje się również w aktualne kierunki rozwoju badań związanych z koncepcją Przemysł 4.0, w których coraz większą rolę odgrywa integracja metod inżynierii materiałowej z zaawansowaną analizą danych oraz technikami sztucznej inteligencji.

6) Praktyczne znaczenie i potencjał wdrożeniowy projektu — nazwa i sposób wdrożenia, znaczenie projektu dla podmiotu współpracującego i polskiej gospodarki (do 2000 znaków ze spacjami)

Projekt posiada istotne znaczenie praktyczne dla działalności przedsiębiorstwa CastMat Solutions oraz dla branży odlewniczej. Opracowanie metod analizy danych produkcyjnych oraz modeli predykcyjnych umożliwiających prognozowanie jakości odlewów przyczyni się do zwiększenia stabilności procesów technologicznych oraz poprawy jakości wytwarzanych komponentów. Wdrożenie wyników projektu w przedsiębiorstwie pozwoli na wcześniejszą identyfikację czynników sprzyjających powstawaniu defektów odlewniczych, takich jak porowatość, pęknięcia gorące czy wtrącenia niemetaliczne. Dzięki temu możliwe będzie szybsze reagowanie na niekorzystne zmiany parametrów procesu technologicznego oraz podejmowanie działań korygujących jeszcze na etapie produkcji. Zastosowanie modeli predykcyjnych może również wspierać proces optymalizacji parametrów technologicznych, takich jak temperatura zalewania, warunki chłodzenia czy skład chemiczny stopu. W rezultacie możliwe będzie ograniczenie liczby wadliwych odlewów, zmniejszenie strat materiałowych oraz obniżenie kosztów produkcji. Istotnym aspektem projektu jest również możliwość wykorzystania opracowanych narzędzi w procesie planowania produkcji oraz wspomagania decyzji technologicznych. Systemy analizy danych mogą stanowić element infrastruktury cyfrowej przedsiębiorstwa zgodnej z koncepcją Przemysł 4.0, w której kluczową rolę odgrywa integracja danych produkcyjnych z zaawansowanymi metodami analitycznymi. Z perspektywy przedsiębiorstwa CastMat Solutions rezultaty projektu mogą przyczynić się do zwiększenia konkurencyjności firmy poprzez podniesienie jakości wytwarzanych produktów, poprawę efektywności procesów produkcyjnych oraz rozwój własnych kompetencji badawczo-rozwojowych w obszarze nowoczesnych technologii odlewniczych. Wdrożenie takiej technologii w Polsce przyczyni się ponadto do zwiększenia roli naszego kraju jako oferenta odlewów (elementów odlewanych).

7) Koncepcja i plan prac badawczo-wdrożeniowych — plan i metodyka badań, analiza ryzyka, kamienie milowe (do 2500 znaków ze spacjami)

Koncepcja projektu zakłada opracowanie metod analizy danych procesowych oraz budowę modeli predykcyjnych umożliwiających prognozowanie jakości odlewów na podstawie parametrów procesu technologicznego. W pierwszym etapie planowane jest przeprowadzenie analizy aktualnego stanu wiedzy dotyczącego zależności pomiędzy parametrami procesu odlewania, mikrostrukturą materiału oraz właściwościami mechanicznymi odlewów. Na tym etapie zostanie również dokonana analiza dostępnych danych produkcyjnych gromadzonych w przedsiębiorstwie. Efektem (kamieniem milowym) będzie zbiór danych wyjściowych (produkcyjnych). Kolejnym etapem będzie identyfikacja kluczowych parametrów procesu technologicznego oraz opracowanie metod przygotowania i przetwarzania danych produkcyjnych (uporządkowanie danych, ich wstępna analiza statystyczna oraz identyfikacja zależności pomiędzy parametrami procesu a występowaniem defektów odlewniczych). Jako kamień milowy planowane są parametry procesu i zależności. W dalszej części opracowane zostaną modele wykorzystujące metody uczenia maszynowego (kamień milowy). Ostatni etap to weryfikacja modeli w warunkach przemysłowych oraz ocena możliwości ich wykorzystania przy optymalizacji parametrów technologicznych (ostatni kamień milowy). W projekcie zidentyfikowano szereg potencjalnych ryzyk. Wśród technologicznych są:

a) brak wystarczającej liczby danych (szczególnie defektów). Duży wpływ, małe prawdopodobieństwo wystąpienia, wstępny audit danych i ewentualnie dodatkowe pomiary jako działanie mitygujące.

b) brak wyraźnych zależności w danych. Duży wpływ, małe prawdopodobieństwo wystąpienia, rozszerzenie zestawu zmiennych i wykorzystanie wiedzy eksperckiej (inżynierowie procesu) jako działanie mitygujące.

Ryzyka organizacyjne:

a) rozbieżne oczekiwania partnerów (współpraca firma-nauka). Mały wpływ, małe prawdopodobieństwo wystąpienia, regularne przeglądy postępu jako działanie mitygujące.

b) niedoszacowanie czasu przygotowania danych. Mały wpływ, małe prawdopodobieństwo wystąpienia, podejście iteracyjne oraz modelowanie hybrydowe jako działanie mitygujące.

Ryzyka osobowo-finansowe:

a) zmiana planów życiowych Doktoranta. Mały wpływ, małe prawdopodobieństwo wystąpienia, regularne spotkania z opiekunem i monitorowanie sytuacji jako działanie mitygujące.

b) zła sytuacja ekonomiczna podmiotu współpracującego. Mały wpływ, małe prawdopodobieństwo wystąpienia, jako działanie mitygujące przewidziano regularne monitorowanie sytuacji.

Realizacja projektu badawczo-wdrożeniowego planowana jest na okres czterech lat. W tym czasie przewiduje się realizację kolejnych etapów badań obejmujących analizę literatury, przygotowanie danych, opracowanie modeli predykcyjnych oraz ich weryfikację w warunkach przemysłowych.

Rok 1

W pierwszym roku realizacji projektu w części badawczej planowane jest przeprowadzenie szczegółowego przeglądu literatury naukowej dotyczącej technologii odlewniczej, mikrostruktury materiałów odlewanych oraz metod analizy danych wykorzystywanych w badaniach materiałowych. Na tym etapie w części wdrożeniowej zostanie przeprowadzona analiza danych produkcyjnych dostępnych w przedsiębiorstwie CastMat Solutions, obejmujących parametry procesu odlewania, skład chemiczny stopów oraz wyniki kontroli jakości odlewów. Celem tego etapu będzie identyfikacja najważniejszych parametrów procesu technologicznego mających wpływ na jakość materiału.

Rok 2

Drugi rok projektu w części badawczej będzie poświęcony przygotowaniu i analizie danych procesowych oraz opracowaniu metod ich przetwarzania. Zostaną opracowane wstępne modele analityczne umożliwiające ocenę wpływu poszczególnych parametrów technologicznych na właściwości materiałów. W części wdrożeniowej planowane jest przeprowadzenie analiz statystycznych oraz identyfikacja zależności pomiędzy parametrami procesu technologicznego a występowaniem defektów odlewniczych, z punktu widzenia parku maszynowego podmiotu

Rok 3

W trzecim roku realizacji projektu w części badawczej planowane jest opracowanie i rozwój modeli predykcyjnych wykorzystujących metody uczenia maszynowego. Modele te będą wykorzystywane do prognozowania jakości odlewów oraz identyfikacji czynników sprzyjających powstawaniu defektów materiałowych. Na tym etapie w części wdrożeniowej przewidziane jest testowanie opracowanych modeli na danych pochodzących z rzeczywistych procesów produkcyjnych.

Rok 4

Ostatni rok projektu w części badawczej będzie obejmował modyfikacje modeli na podstawie testów w warunkach przemysłowych oraz ocenę ich przydatności w procesie optymalizacji parametrów technologicznych. W części wdrożeniowej planowane jest przygotowanie do wdrożenia opracowanych narzędzi analitycznych w przedsiębiorstwie CastMat Solutions. Końcowym etapem projektu będzie opracowanie rozprawy doktorskiej. Na każdym etapie realizacji doktoratu przewidziano ponadto opublikowanie wyników badań w czasopismach naukowych.

9) Charakterystyka kompetencji naukowych opiekuna naukowego z opisem osiągnięć naukowych w zakresie tematyki projektu ze szczególnym uwzględnieniem ostatnich 5 lat (do 1000 znaków ze spacjami)

Opiekunem naukowym projektu jest dr hab. inż. Marek Zieliński, profesor uczelni w Katedrze Odlewnictwa na Wydziale Inżynierii Materiałowej Uniwersytetu Technicznego. Jego działalność naukowa koncentruje się na zagadnieniach związanych z technologią odlewniczą, mikrostrukturą materiałów metalicznych oraz analizą właściwości materiałów stosowanych w przemyśle. W jego dorobku naukowym znajduje się ponad 80 publikacji naukowych w czasopismach indeksowanych, dotyczących m.in. mikrostruktury stopów żelaza i stopów aluminium, mechanizmów powstawania defektów odlewniczych oraz metod optymalizacji procesów technologicznych w odlewnictwie. Wyniki prowadzonych przez niego badań były prezentowane na licznych konferencjach naukowych. Ma ponad 600 cytowań i indeks H=12. Recenzent kilku doktoratów i habilitacji. Działa w Stowarzyszeniu Odlewników Polskich. W ostatnich latach jego zainteresowania badawcze obejmują również techniki uczenia maszynowego w badaniach materiałowych.

10) Opis doświadczenia opiekuna naukowego w zakresie współpracy z otoczeniem społeczno-gospodarczym ze szczególnym uwzględnieniem ostatnich 10 lat (do 1000 znaków ze spacjami)

Dr hab. inż. Marek Zieliński posiada wieloletnie doświadczenie w prowadzeniu badań naukowych i realizacji projektów badawczo-rozwojowych związanych z inżynierią materiałową i technologią odlewniczą. Uczestniczył w licznych projektach finansowanych ze środków krajowych oraz europejskich, dotyczących rozwoju nowych materiałów konstrukcyjnych, doskonalenia technologii odlewniczych oraz analizy właściwości mechanicznych odlewów przeznaczonych dla przemysłu motoryzacyjnego i maszynowego. Brał udział w kilku projektach realizowanych wspólnie z odlewniami oraz producentami komponentów metalowych dotyczących optymalizacji procesów odlewniczych oraz analizy jakości materiałów, zrealizował też szereg zleceń i ekspertyz. Pełnił funkcję promotora i promotora pomocniczego w kilku przewodach doktorskich oraz opiekuna licznych prac magisterskich i inżynierskich z zakresu inżynierii materiałowej i technologii wytwarzania.

11) Informacje na temat dostosowania programu kształcenia w szkole doktorskiej do założeń Programu „Doktorat wdrożeniowy” (do 500 znaków ze spacjami)

Program kształcenia Uniwersytetu Technicznego obejmuje 600 godzin w ciągu 4 lat, co pozwala na swobodną realizację zadań badawczych. Zajęcia odbywają się w godzinach popołudniowych, w piątki i soboty, jest możliwość realizacji części z nich w formie zdalnej. Szkoła stosuje elastyczne metody nauki, w tym indywidualny tok kształcenia i tutoring.

12) Informacje na temat wsparcia oferowanego doktorantowi przez Wnioskodawcę, w tym wykorzystanie zasobów na potrzeby realizacji projektu (do 500 znaków ze spacjami)

Uniwersytet Techniczny posiada laboratoria badawcze, wyposażone w nowoczesną aparaturę oraz oprogramowanie związane z tematyką projektu. Kadra uczelni (nie tylko opiekun naukowy) zapewnia konsultacje merytoryczne. Uczelnia dysponuje nowoczesną biblioteką udostępniającą zasoby doktorantom również w formie cyfrowej. Ma bogate doświadczenie w realizacji projektów, w tym także w ramach Programu „Doktorat wdrożeniowy”.

Wniosek po przesłaniu do Ministerstwa podlega ocenie przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”. Poniżej omówiono poszczególne kryteria oceny, której warunkiem wstępnym jest wdrożeniowy charakter projektu. Jeśli to kryterium nie zostanie spełnione, wniosek zostaje odrzucony i nie podlega dalszej ocenie.

Recenzent ocenia zatem:

Czy projekt ma jasno zdefiniowany charakter wdrożeniowy?: (Tak/Nie)

Projekt ma na celu wdrożenie rozwiązania wspomagającego predykcję jakości odlewów oraz identyfikację defektów odlewniczych z wykorzystaniem metod uczenia maszynowego. Opracowane narzędzie będzie analizowało dane procesowe związane z technologią odlewania, takie jak parametry temperatury zalewania, warunki krzepnięcia czy skład chemiczny stopów, a następnie wspierało podejmowanie decyzji technologicznych w przedsiębiorstwie. Rozwiązanie to będzie mogło być wykorzystane w procesie optymalizacji parametrów technologicznych oraz w systemach wspomagania decyzji w produkcji odlewów. Ze względu na szerokie zastosowanie technologii odlewniczych w wielu sektorach przemysłu, potencjalny zakres wdrożenia wyników projektu w praktyce jest bardzo szeroki.

Kryterium 1 — Osiągnięcia naukowe promotora w zakresie tematyki projektu

Doktorat jest przygotowywany w dyscyplinie inżynieria materiałowa, a jego tematyka dotyczy technologii odlewniczej oraz analizy właściwości materiałów metalicznych z wykorzystaniem metod analizy danych. Promotor, dr hab. inż. Marek Zieliński, jest uznanym specjalistą w obszarze mikrostruktury materiałów metalicznych, technologii odlewniczej oraz analizy właściwości materiałów konstrukcyjnych. Posiada bogaty dorobek naukowy obejmujący liczne publikacje w czasopismach krajowych i zagranicznych oraz wystąpienia konferencyjne. Jego badania dotyczą m.in. mechanizmów powstawania defektów odlewniczych, analizy mikrostruktury stopów metalicznych oraz optymalizacji procesów technologicznych w produkcji odlewów. Dorobek naukowy promotora oraz jego aktywność w środowisku naukowym stanowią istotne wsparcie dla realizacji projektu.

Kryterium 2 — Dokonania promotora w zakresie współpracy z otoczeniem społeczno-gospodarczym

Opiekun naukowy posiada bogate doświadczenie w realizacji projektów badawczo-rozwojowych prowadzonych we współpracy z przedsiębiorstwami przemysłowymi. Brał udział w licznych projektach dotyczących analizy jakości materiałów, optymalizacji procesów technologicznych oraz wdrażania nowych rozwiązań technologicznych w przedsiębiorstwach produkcyjnych. Ponadto posiada doświadczenie w prowadzeniu prac doktorskich oraz współpracy z podmiotami sektora przemysłowego, co stanowi ważny element realizacji projektów w formule doktoratu wdrożeniowego.

Kryterium 3 — Naukowe znaczenie projektu

Projekt dotyczy technologii odlewniczej oraz analizy właściwości materiałów metalicznych, które stanowią istotny obszar badań w inżynierii materiałowej. Zrozumienie zależności pomiędzy parametrami procesu technologicznego a mikrostrukturą i właściwościami mechanicznymi materiałów jest kluczowe dla rozwoju nowoczesnych technologii wytwarzania. W projekcie planowane jest wykorzystanie metod sztucznej inteligencji do analizy danych procesowych oraz identyfikacji zależności pomiędzy parametrami procesu odlewania a jakością uzyskiwanych odlewów. Zastosowanie metod uczenia maszynowego w badaniach materiałowych stanowi obecnie jeden z dynamicznie rozwijających się kierunków badań naukowych, co podkreśla wysoką wartość naukową proponowanego projektu.

Kryterium 4 — Sposób zdefiniowania problemu naukowego i projektu wdrożeniowego, metodologia realizacji projektu

Problem naukowy został zdefiniowany w sposób poprawny i dotyczy opracowania metod predykcji jakości odlewów na podstawie danych procesowych oraz wyników badań materiałowych. Metodologia badań obejmuje analizę literatury naukowej, przygotowanie i analizę danych produkcyjnych, opracowanie modeli analitycznych i predykcyjnych oraz ich weryfikację w warunkach przemysłowych. Jako rezultat wdrożeniowy zaproponowano opracowanie narzędzia informatycznego wspierającego analizę danych procesowych oraz prognozowanie jakości odlewów. Narzędzie to będzie wspierało użytkownika w podejmowaniu decyzji technologicznych związanych z optymalizacją parametrów procesu odlewania.

Kryterium 5 — Zakres wsparcia dla doktoranta ze strony wnioskodawcy oraz podmiotu współpracującego

Wnioskodawca posiada laboratoria badawcze wyposażone w nowoczesną aparaturę do analizy właściwości materiałów oraz badań mikrostruktury stopów metalicznych. Zadeklarowano możliwość ich wykorzystania w trakcie realizacji projektu. Podmiot współpracujący – przedsiębiorstwo CastMat Solutions – zapewnia dostęp do infrastruktury produkcyjnej, laboratoriów badań materiałowych oraz danych procesowych związanych z technologią odlewania. Firma deklaruje również wsparcie merytoryczne ze strony specjalistów z zakresu technologii odlewniczej oraz analizy danych.

Kryterium 6 — Doświadczenie wnioskodawcy w działalności wdrożeniowej

Jednostka naukowa posiada doświadczenie w realizacji projektów badawczo-wdrożeniowych oraz w uczestnictwie w Programie „Doktorat wdrożeniowy”. Dotychczas realizowane projekty przebiegały zgodnie z harmonogramem i kończyły się osiągnięciem zakładanych rezultatów badawczych oraz wdrożeniowych.

Kryterium 7 — Wpływ wdrożenia projektu na wybrane sektory gospodarki lub społeczeństwo

Technologie odlewnicze znajdują zastosowanie w wielu sektorach gospodarki, w szczególności w przemyśle motoryzacyjnym, maszynowym oraz energetycznym. Wdrożenie narzędzi umożliwiających predykcję jakości odlewów może przyczynić się do poprawy efektywności procesów produkcyjnych oraz ograniczenia strat materiałowych. Przedsiębiorstwo CastMat Solutions planuje wdrożenie opracowanego rozwiązania w swojej działalności produkcyjnej, co pozwoli na poprawę stabilności procesów technologicznych oraz zwiększenie konkurencyjności firmy na rynku krajowym i międzynarodowym.

Kryterium 8 — Doświadczenie podmiotu współpracującego we współpracy z jednostkami naukowymi

Podmiot współpracujący – przedsiębiorstwo CastMat Solutions – posiada doświadczenie we współpracy z uczelniami technicznymi oraz instytutami badawczymi. Współpraca obejmuje realizację projektów badawczo-rozwojowych, praktyk studenckich oraz wspólne inicjatywy związane z rozwojem technologii produkcji odlewów.

Podsumowanie oceny

Rekomendowany do finansowania: Tak

Projekt jest dobrze przygotowany i dotyczy aktualnej tematyki związanej z zastosowaniem metod analizy danych oraz sztucznej inteligencji w technologii odlewniczej. Opiekun naukowy posiada znaczący dorobek naukowy oraz doświadczenie we współpracy z przemysłem. Jednostka naukowa dysponuje odpowiednią infrastrukturą badawczą, natomiast przedsiębiorstwo CastMat Solutions zapewnia dostęp do danych procesowych oraz środowiska przemysłowego umożliwiającego wdrożenie wyników projektu.

• —Imię i nazwisko: Roman Marzec

Uczelnia: Uniwersytet Techniczny

Wydział: Inżynierii Materiałowej

Promotor (opiekun naukowy): Marek Zieliński

Promotor pomocniczy (pomocniczy opiekun naukowy): nie dotyczy

Informacje dodatkowe: Opiekun pomocniczy — Jan Sawicki, podmiot współpracujący — CastMat Solutions

Dyscyplina: Inżynieria materiałowa

a) tytuł rozprawy

Prognozowanie jakości odlewów na podstawie parametrów procesu technologicznego

b) hipoteza badawcza

Mikrostruktura oraz właściwości mechaniczne odlewów są efektem parametrów procesu odlewania. Mając duży zbiór danych, zawierających wystarczającą ilość informacji do identyfikacji wzorców związanych z występowaniem defektów materiałowych można zastosować metody uczenia maszynowego aby skutecznie prognozować jakość odlewów. Jako hipotezę badawczą przyjęto, że możliwe jest opracowanie wiarygodnych modeli analitycznych i predykcyjnych opartych na metodach uczenia maszynowego, które na podstawie danych procesowych oraz wyników badań materiałowych pozwolą na prognozowanie jakości odlewów oraz identyfikację kluczowych parametrów technologicznych wpływających na powstawanie defektów odlewniczych.

c) uzasadnienie wyboru tematu, cel i metodyka badań

Wybór tematu badawczego jest uzasadniony zarówno aktualnymi wyzwaniami przemysłowymi, jak i kierunkami rozwoju współczesnej nauki i technologii. Dynamiczny rozwój sektorów motoryzacyjnego i maszynowego wiąże się z rosnącymi wymaganiami dotyczącymi jakości, niezawodności oraz powtarzalności właściwości materiałowych komponentów. W szczególności w obszarze odlewnictwa metali zapewnienie wysokiej jakości odlewów przy jednoczesnej optymalizacji kosztów produkcji stanowi jedno z kluczowych wyzwań technologicznych. Proces odlewania charakteryzuje się wysoką złożonością wynikającą z dużej liczby wzajemnie powiązanych parametrów technologicznych, takich jak temperatura odlewania, skład chemiczny stopu, warunki chłodzenia czy parametry formy odlewniczej. Zależności pomiędzy tymi parametrami a mikrostrukturą oraz właściwościami mechanicznymi materiału mają często charakter nieliniowy i trudny do jednoznacznego opisania przy użyciu klasycznych metod analitycznych.

Jednocześnie rozwój koncepcji Przemysłu 4.0 oraz 5.0, a także rosnąca dostępność danych produkcyjnych w przedsiębiorstwach przemysłowych, stwarzają nowe możliwości w zakresie wykorzystania zaawansowanych metod analizy danych, w tym metod uczenia maszynowego. W przedsiębiorstwie CastMat Solutions gromadzone są liczne dane dotyczące przebiegu procesu technologicznego oraz wyniki badań jakościowych wytwarzanych komponentów, obejmujące m.in. analizę mikrostruktury, porowatości oraz właściwości mechaniczne. Dane te stanowią cenne, lecz dotychczas niewystarczająco wykorzystane źródło informacji, które może posłużyć do identyfikacji zależności pomiędzy parametrami procesu a jakością uzyskiwanych odlewów. Podjęcie badań ukierunkowanych na opracowanie modeli predykcyjnych jakości odlewów jest zatem uzasadnione zarówno z perspektywy naukowej, związanej z rozwojem metod analizy danych w inżynierii materiałowej, jak i z perspektywy aplikacyjnej, wynikającej z możliwości bezpośredniego wdrożenia rezultatów w przedsiębiorstwie. Interdyscyplinarny charakter zagadnienia, łączący elementy technologii odlewniczej, inżynierii materiałowej oraz sztucznej inteligencji, dodatkowo uzasadnia realizację badań w formule doktoratu wdrożeniowego, we współpracy przedsiębiorstwa z jednostką naukową.

Celem głównym prowadzonych badań jest opracowanie i weryfikacja modeli analitycznych oraz predykcyjnych, wykorzystujących metody uczenia maszynowego, umożliwiających prognozowanie jakości odlewów oraz identyfikację kluczowych parametrów procesu technologicznego wpływających na powstawanie defektów materiałowych. Realizacja tego celu wymaga osiągnięcia szeregu celów szczegółowych, obejmujących w pierwszej kolejności przeprowadzenie analizy stanu wiedzy w zakresie zależności pomiędzy parametrami procesu odlewania, mikrostrukturą oraz właściwościami mechanicznymi materiałów. Następnie niezbędna będzie identyfikacja i charakterystyka dostępnych danych produkcyjnych oraz wyników badań jakościowych w przedsiębiorstwie, a także opracowanie metod ich przygotowania, czyszczenia i przetwarzania. Kolejnym krokiem będzie identyfikacja kluczowych parametrów technologicznych wpływających na jakość odlewów oraz opracowanie modeli analitycznych i predykcyjnych wykorzystujących metody uczenia maszynowego. Istotnym elementem badań będzie również walidacja opracowanych modeli w warunkach przemysłowych oraz ocena możliwości ich wykorzystania w procesie optymalizacji parametrów technologicznych i poprawy jakości produkcji.

Metodyka badań będzie miała charakter interdyscyplinarny i obejmować będzie zarówno metody badawcze właściwe dla inżynierii materiałowej, jak i metody analizy danych oraz uczenia maszynowego. W pierwszym etapie prac zostanie przeprowadzony przegląd literatury naukowej i technicznej oraz analiza procesów technologicznych stosowanych w przedsiębiorstwie. Równolegle wykonana zostanie inwentaryzacja dostępnych danych produkcyjnych, obejmująca ocenę ich jakości, kompletności oraz przydatności do dalszych analiz. W tym etapie zastosowane zostaną metody analizy literaturowej, statystyki opisowej oraz eksploracyjnej analizy danych. Kolejny etap obejmie przygotowanie i wstępną analizę danych. W ramach tych prac przeprowadzone zostanie czyszczenie danych, obejmujące usuwanie błędów, uzupełnianie braków oraz standaryzację i transformację zmiennych. Następnie wykonana zostanie analiza zależności pomiędzy parametrami procesu technologicznego a jakością odlewów, z wykorzystaniem metod statystycznych. Istotnym elementem tego etapu będzie również selekcja cech, pozwalająca na identyfikację najbardziej istotnych parametrów wpływających na jakość wyrobów. W dalszej części badań opracowane zostaną modele predykcyjne wykorzystujące wybrane algorytmy uczenia maszynowego. W zależności od charakteru analizowanego problemu zastosowane zostaną metody regresji oraz klasyfikacji. W uzasadnionych przypadkach rozważone zostanie również zastosowanie sieci neuronowych. Modele będą poddawane procesowi trenowania, a ich skuteczność zostanie oceniona przy użyciu odpowiednich narzędzi. Istotnym etapem badań będzie walidacja opracowanych modeli w warunkach rzeczywistych. W ramach tego etapu przeprowadzone zostaną testy na danych przemysłowych, umożliwiające ocenę zdolności modeli do prognozowania jakości odlewów w praktyce produkcyjnej. Równocześnie wykonana zostanie analiza interpretowalności modeli, co pozwoli na identyfikację kluczowych czynników technologicznych wpływających na powstawanie defektów. Ostatni etap badań obejmie weryfikację możliwości wdrożenia opracowanych rozwiązań w przedsiębiorstwie CastMat Solutions. Przeprowadzone zostaną testy w warunkach produkcyjnych oraz analiza wpływu zastosowania modeli na jakość wytwarzanych odlewów i stabilność procesu technologicznego. Wyniki badań posłużą do opracowania rekomendacji dotyczących optymalizacji parametrów procesu oraz wdrożenia narzędzi wspomagania decyzji technologicznych. Realizacja projektu przyczyni się zarówno do rozwoju wiedzy naukowej w zakresie zastosowania metod sztucznej inteligencji w inżynierii materiałowej, jak i do zwiększenia konkurencyjności przedsiębiorstwa poprzez poprawę jakości i efektywności procesów produkcyjnych.

d) przewidywane wyniki prac i ich znaczenie i wpływ dla nauki i społeczeństwa

Realizacja projektu badawczego pozwoli na uzyskanie szeregu istotnych rezultatów o charakterze zarówno naukowym, jak i aplikacyjnym. Do najważniejszych przewidywanych wyników prac należy opracowanie metod analizy danych procesowych oraz stworzenie modeli analitycznych i predykcyjnych umożliwiających prognozowanie jakości odlewów na podstawie parametrów procesu technologicznego. Modele te pozwolą na identyfikację kluczowych czynników wpływających na powstawanie defektów materiałowych oraz określenie zależności pomiędzy parametrami procesu odlewania, mikrostrukturą materiału a jego właściwościami mechanicznymi. Istotnym rezultatem projektu będzie również opracowanie procedur przygotowania i przetwarzania danych produkcyjnych, które mogą stanowić uniwersalne rozwiązanie możliwe do zastosowania w innych przedsiębiorstwach przemysłowych. W wyniku przeprowadzonych badań powstanie także uporządkowany i zweryfikowany zbiór danych produkcyjnych, który będzie stanowił podstawę dalszych analiz oraz rozwoju narzędzi wspomagających podejmowanie decyzji technologicznych. W przypadku pozytywnej weryfikacji modeli w warunkach przemysłowych przewiduje się ich wdrożenie w przedsiębiorstwie CastMat Solutions w postaci elementu systemu wspomagania decyzji, umożliwiającego optymalizację parametrów procesu odlewniczego oraz ograniczenie liczby niezgodności materiałowych.

Znaczenie naukowe projektu wynika przede wszystkim z jego interdyscyplinarnego charakteru, łączącego zagadnienia inżynierii materiałowej, technologii odlewniczej oraz metod sztucznej inteligencji. Uzyskane wyniki przyczynią się do rozwoju wiedzy w zakresie modelowania zależności pomiędzy parametrami procesów technologicznych a właściwościami materiałów, w szczególności w kontekście zastosowania metod uczenia maszynowego w inżynierii materiałowej. Rezultaty badań mogą zostać upowszechnione w postaci publikacji naukowych oraz stanowić podstawę dalszych prac badawczych w obszarze cyfryzacji procesów produkcyjnych i rozwoju inteligentnych systemów wspomagania decyzji. Projekt posiada również istotne znaczenie aplikacyjne i gospodarcze. Wdrożenie opracowanych rozwiązań w przedsiębiorstwie umożliwi poprawę jakości produkowanych odlewów, zwiększenie powtarzalności procesu technologicznego oraz ograniczenie liczby braków produkcyjnych. W efekcie przyczyni się to do obniżenia kosztów produkcji, zmniejszenia zużycia surowców i energii oraz zwiększenia konkurencyjności przedsiębiorstwa na rynku krajowym i międzynarodowym. Rozwój kompetencji pracowników w zakresie analizy danych i wykorzystania metod sztucznej inteligencji wpłynie również na wzrost innowacyjności organizacji.

Wpływ projektu na społeczeństwo przejawia się przede wszystkim poprzez wspieranie transformacji przemysłu w kierunku koncepcji Przemysłu 4.0 i 5.0, które zakładają integrację nowoczesnych technologii cyfrowych z procesami produkcyjnymi. Ograniczenie liczby wadliwych produktów oraz bardziej efektywne wykorzystanie zasobów przyczyni się do zmniejszenia negatywnego wpływu produkcji przemysłowej na środowisko naturalne, wpisując się w założenia zrównoważonego rozwoju. Ponadto realizacja projektu w formule doktoratu wdrożeniowego sprzyja rozwojowi wysoko wykwalifikowanych kadr, łączących kompetencje inżynierskie z umiejętnościami analizy danych, co jest szczególnie istotne w kontekście rosnących potrzeb rynku pracy.

Podsumowując, przewidywane wyniki projektu obejmują zarówno rozwój nowych metod i narzędzi analitycznych, jak i ich praktyczne zastosowanie w środowisku przemysłowym, co przekłada się na istotny wkład w rozwój nauki, gospodarki oraz społeczeństwa opartego na wiedzy.

Końcowym etapem projektu będzie opracowanie rozprawy doktorskiej. Na każdym etapie realizacji doktoratu przewidziano ponadto upowszechnianie wyników badań w czasopismach naukowych.

W ramach upowszechniania przewidziane jest opublikowanie trzech artykułów naukowych w czasopismach punktowanych znajdujących się na liście MNiSW. Planowany jest też udział w dwóch konferencjach naukowych z posterami lub referatami.

Planowane jest złożenie rozprawy doktorskiej we wrześniu 2028.

Nie dotyczy.

W programie przewidziano raportowanie roczne, a zatem każdy Doktorant zobowiązany jest do przygotowania raportów ze swoich prac po każdym kolejnym roku realizacji projektu. Raport ten oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Pierwszy, drugi i trzeci rok działalności Doktoranta kończy zestaw dokumentów z raportem i opiniami opiekunów oraz ocena tego materiału. Po czwartym roku przygotowywany jest raport końcowy — również przedstawiony na końcu modelu przygotowanego dla inżynierii mechanicznej. Tutaj szczególnie ważna jest konieczność przedstawienia deklaracji złożenia rozprawy doktorskiej.

Rozprawa doktorska została złożona w wymaganym terminie. Skan pierwszej strony rozprawy przedstawiono poniżej.

Raport końcowy jest ostatnim przygotowywanym przez Doktoranta i dostarczanym wraz z opiniami opiekunów. Dotyczy on całości projektu (wszystkich lat), a nie tylko ostatniego roku. Raport ten również oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Taki komplet raportów i ocena zamykają cały okres działalności Doktoranta. Jednocześnie jest to koniec pracy eksperta z zespołu doradczego ds. Programu „Doktorat wdrożeniowy” nad tym konkretnym projektem. Zespół nie zajmuje się bowiem oceną rozpraw doktorskich, wyznaczanie recenzentów i cała reszta procedury należy do właściwych Rad Dyscyplin.

Choroba lokomocyjna (kinetoza) stanowi powszechny problem zdrowotny, występujący u znacznej części populacji podczas podróży różnymi środkami transportu. Jej patofizjologia jest złożona, związana z konfliktem bodźców sensorycznych pomiędzy układem przedsionkowym, wzrokowym i proprioceptywnym. Objawy obejmują m.in. nudności, zawroty głowy, zaburzenia równowagi oraz wymioty, co znacząco obniża jakość życia pacjentów oraz ogranicza ich funkcjonowanie w życiu codziennym i zawodowym. W ostatnich latach obserwuje się wzrost znaczenia tego problemu w związku z rozwojem nowych form transportu oraz technologii cyfrowych, takich jak rzeczywistość wirtualna (VR) i symulatory, które również mogą wywoływać objawy kinetozy (tzw. cyberchoroba). Jednocześnie zwiększa się zapotrzebowanie na skuteczne i dobrze tolerowane metody zapobiegania oraz leczenia tych zaburzeń.

Dotychczasowe podejścia terapeutyczne obejmują zarówno leczenie farmakologiczne (np. leki przeciwhistaminowe, cholinolityczne), jak i metody niefarmakologiczne, takie jak trening adaptacyjny, techniki behawioralne czy rehabilitacja przedsionkowa. W ostatnich latach rozwijają się także nowoczesne strategie terapeutyczne. Wśród nich znajdujemy m.in. wykorzystanie środowisk wirtualnych do kontrolowanej ekspozycji na bodźce wywołujące objawy, programy treningowe ukierunkowane na adaptację układu przedsionkowego, podejścia multimodalne łączące różne metody leczenia oraz próby zastosowania metod neuromodulacyjnych w regulacji przetwarzania bodźców sensorycznych. Pomimo takich działań i znaczących postępów naukowych, skuteczność terapii pozostaje zróżnicowana i w dużym stopniu zależy od indywidualnych cech pacjenta, takich jak wrażliwość układu przedsionkowego, podatność na konflikt sensoryczny, czynniki psychologiczne czy wcześniejsze doświadczenia związane z ekspozycją na bodźce wywołujące objawy.

W praktyce klinicznej dobór terapii nadal ma często charakter empiryczny, a brak jasno określonych zasad personalizacji leczenia stanowi istotne ograniczenie skuteczności postępowania terapeutycznego. Szczególnie widoczny jest niedostatek narzędzi umożliwiających dobór optymalnej kombinacji metod terapeutycznych dla konkretnego pacjenta. Z tego powodu często odbywa się to metodą prób i błędów, co naturalnie wydłuża proces leczenia oraz zwiększa ryzyko działań niepożądanych. Współczesny rozwój metod analizy danych oraz sztucznej inteligencji stwarza nowe możliwości w zakresie personalizacji terapii medycznych. Gromadzenie danych klinicznych, behawioralnych oraz środowiskowych umożliwia identyfikację zależności pomiędzy cechami pacjenta a skutecznością określonych metod leczenia. W tym kontekście szczególne znaczenie mają rozwiązania pozwalające na opracowanie spersonalizowanej terapii choroby lokomocyjnej. Istnieje też potrzeba pogłębienia wiedzy na temat czynników determinujących odpowiedź na leczenie oraz opracowania nowoczesnego, zindywidualizowanego podejścia terapeutycznego, uwzględniającego zarówno klasyczne, jak i nowe metody leczenia choroby lokomocyjnej.

Poniżej przedstawiono modelowy przykład projektu badawczo-wdrożeniowego realizowanego w ramach Programu „Doktorat wdrożeniowy”, zakładającego współpracę podmiotu medycznego z uczelnią. Dla potrzeb modelu przyjęto podmioty hipotetyczne, wszelkie podobieństwo do istniejących postaci czy organizacji jest przypadkowe i całkowicie niezamierzone.

Centrum Medycyny Podróży „MedTravel”, zlokalizowane w dużym polskim mieście z liczbą ludności przekraczającą 200 tysięcy osób, jest placówką specjalizującą się w diagnostyce i leczeniu zaburzeń związanych z podróżowaniem, w tym choroby lokomocyjnej. Ośrodek prowadzi również działalność kliniczną oraz gromadzi dane dotyczące przebiegu leczenia pacjentów, obejmujące informacje kliniczne, dane dotyczące stylu życia oraz skuteczność stosowanych terapii. Placówka interesuję się nowymi technologiami, w tym także zastosowaniem metod analizy danych oraz sztucznej inteligencji. W ostatnich latach w ośrodku zwrócono uwagę na zróżnicowaną skuteczność stosowanych metod leczenia choroby lokomocyjnej. Obserwacje kliniczne wskazują, że poszczególne grupy pacjentów różnie reagują na terapię farmakologiczną oraz niefarmakologiczną. Rozważa się zatem możliwość opracowania narzędzi umożliwiających dobór terapii dostosowanej do indywidualnych cech pacjenta.

W ośrodku gromadzone są dane dotyczące przebiegu leczenia pacjentów, obejmujące m.in. charakterystykę objawów, czynniki wyzwalające, zastosowane metody terapeutyczne i ocenę skuteczności leczenia. Dane te mogą stanowić podstawę do analizy klinicznej mającej na celu identyfikację zależności pomiędzy cechami pacjentów a efektywnością terapii. Jednym z kluczowych wyzwań jest określenie, które czynniki kliniczne mają największe znaczenie dla doboru skutecznego leczenia oraz czy możliwe jest wyodrębnienie grup pacjentów wymagających odmiennego postępowania terapeutycznego. Firma dysponuje również informacjami dotyczącymi pacjentów, które obejmują m.in. dane demograficzne, historię choroby lokomocyjnej i występowanie działań niepożądanych. Te dane z kolei mogą stanowić potencjalne źródło informacji umożliwiające identyfikację zależności pomiędzy cechami pacjentów a efektywnością terapii. W związku z tym pojawił się pomysł realizacji projektu badawczego, którego celem byłaby identyfikacja czynników wpływających na skuteczność terapii choroby lokomocyjnej oraz opracowanie zasad spersonalizowanego postępowania terapeutycznego. Ze względu na interdyscyplinarny charakter problemu, obejmujący elementy nauk medycznych, analizy danych oraz sztucznej inteligencji, zdecydowano się na współpracę z uczelnią medyczną. Partnerem naukowym projektu został Uniwersytet Medyczny, w którym pracuje profesor Joanna Szymańska, specjalizująca się w neurologii oraz medycynie transportu, a także w zastosowaniu metod analizy danych w medycynie. Ze strony podmiotu współpracującego zaproponowano dr n. med. Piotra Majchrzaka jako opiekuna pomocniczego, posiadającego kilkunastoletnie doświadczenie kliniczne w leczeniu pacjentów z chorobą lokomocyjną (opiekun pomocniczy nie musi posiadać stopnia naukowego doktora, ale jeśli nie ma, to musi wykazać się istotnym dorobkiem w działalności wdrożeniowej — wdrożenia, patenty, lub mieć przynajmniej pięcioletnie doświadczenie naukowe). Doktor Majchrzak uczestniczył również w projektach związanych z zastosowaniem konkretnych preparatów medycznych zmniejszających dyskomfort podróżowania. Doktorantką została mgr Marta Stachowiak, absolwentka kierunku lekarskiego, która poza medycyną interesuje się również technologiami informacyjnymi. Zespół wspólnie przygotował koncepcję projektu badawczo-wdrożeniowego, którego efektem będzie wniosek złożony w Programie „Doktorat wdrożeniowy”.

*najczęściej na etapie przygotowania wniosku w firmie już jest wybrana osoba doktoranta, jednakże formalnie ona w nim nie występuje. Jest wprowadzana dopiero po zakwalifikowaniu wniosku do realizacji przez MNiSW oraz po pozytywnej rekrutacji do Szkoły Doktorskiej. Dopiero wtedy zostaje formalnie zgłoszona do projektu.

Pomiędzy zainteresowanymi osobami nie stwierdzono konfliktu interesów. Strony ustalają, że doktorantka będzie miała dostęp do wyposażenia badawczego na uczelni oraz do pacjentów, leków i infrastruktury w firmie. Ustalono również, że własność intelektualna powstała w wyniku projektu będzie zagospodarowana w następujący sposób: jeśli powstanie po stronie firmy — będzie jej własnością. Jeśli powstanie w wyniku prac na uczelni — będzie własnością uczelni. Jeśli powstanie w wyniku działań wspólnych, to każdorazowo zespół oceni procentowy udział każdej ze stron. Uczelnia gwarantuje firmie prawo pierwokupu swojej części własności intelektualnej.

Przedstawiona koncepcja zostaje następnie przełożona na formalny wniosek aplikacyjny, przygotowywany na podstawie formularza opracowanego przez wcześniej wspomniany zespół doradczy Ministra Nauki i Szkolnictwa Wyższego, odpowiedzialny za ocenę wniosków oraz raportów w ramach Programu „Doktorat wdrożeniowy”. Formularz ten ma ściśle określoną strukturę, a każdy jego punkt zawiera limit znaków, który wyznacza maksymalną objętość odpowiedzi. Ograniczenie to ma na celu wymuszenie zwięzłości, przejrzystości oraz koncentracji na najistotniejszych informacjach, tak aby składane wnioski były jednocześnie syntetyczne i bogate merytorycznie. W ramach przygotowywanego wniosku szczegółowo opisywane są kolejne elementy, obejmujące między innymi:

Charakterystyka doświadczeń podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego, nauki lub sektora B+R ze szczególnym uwzględnieniem ostatnich 5 lat (do 1000 znaków ze spacjami)

Centrum Medycyny Podróży „MedTravel” prowadzi działalność kliniczną oraz diagnostyczną w zakresie zaburzeń związanych z podróżowaniem, w tym choroby lokomocyjnej. W ramach swojej działalności ośrodek realizuje świadczenia zdrowotne oraz prowadzi dokumentację medyczną pacjentów, obejmującą przebieg choroby, zastosowane metody terapeutyczne oraz ocenę ich skuteczności. W ostatnich pięciu latach ośrodek współpracował z jednostkami naukowymi w zakresie badań związanych z różnymi aspektami dobrostanu człowieka i metod jego oceny. W tym zakresie zrealizowano 3 projekty o charakterze badawczo wdrożeniowym, dotyczące zaburzeń snu, diagnozy i leczenia zwyrodnieniowych chorób kręgosłupa oraz terapii relaksacyjnej. Firma przyjmuje ponadto studentów kierunków medycznych na praktyki wakacyjne i staże. Zatrudnieni w MedTravel specjaliści prowadzą też gościnne wykłady w kilku uczelniach naszego kraju.

Potencjał podmiotu współpracującego z perspektywy realizacji projektu (aparatura badawcza, doświadczenie w branży itp.) oraz informacja o oferowanym wsparciu podmiotu zatrudniającego doktoranta w tym charakterystyka opiekuna pomocniczego i jego doświadczenia w pracach B+R (do 1500 znaków ze spacjami).

MedTravel prowadzi działalność na rynku od roku 2003. Zatrudnia 22 osoby, posiada też dodatkowo umowy z kilkoma specjalistami przyjmującymi pacjentów w wymiarze od 3 do 6 godzin tygodniowo. Ośrodek dysponuje zapleczem klinicznym oraz diagnostycznym, posiada dostęp do populacji pacjentów z chorobą lokomocyjną oraz system dokumentacji medycznej pozwalający na analizę przebiegu leczenia. Infrastrukturalnie wyposażony jest w systemy do diagnostyki układu przedsionkowego, w tym systemy wideonystagmografii (VNG), testy kaloryczne oraz urządzenia do oceny odruchu przedsionkowo-ocznego. Ośrodek wyposażony jest również w stanowiska do oceny równowagi i koordynacji ruchowej, w tym platformy stabilometryczne oraz systemy analizy postawy. W zakresie terapii dostępne są stanowiska do rehabilitacji przedsionkowej oraz programy treningowe ukierunkowane na adaptację sensoryczną. Ważnym elementem infrastruktury są także systemy umożliwiające kontrolowaną ekspozycję na bodźce wywołujące objawy choroby lokomocyjnej, w tym symulatory ruchu oraz stanowiska rzeczywistości wirtualnej (VR), które pozwalają na prowadzenie badań w warunkach zbliżonych do rzeczywistych, przy jednoczesnej możliwości precyzyjnej kontroli parametrów bodźców. Opiekunem pomocniczym będzie dr Piotr Majchrzak, uczestnik projektów ukierunkowanych na wdrożenie, od 10 lat specjalizujący się w terapii chorób lokomocyjnych. Firma oferuje doktorantce wsparcie we wdrożeniu wyników projektu.

Celem projektu jest identyfikacja czynników wpływających na skuteczność terapii choroby lokomocyjnej oraz opracowanie zasad spersonalizowanego postępowania terapeutycznego. Problem badawczy wynika z obserwowanej w praktyce klinicznej zmienności odpowiedzi pacjentów na stosowane metody leczenia. Pomimo dostępności różnych form terapii, brak jest jednoznacznych wytycznych umożliwiających dobór optymalnej metody leczenia dla konkretnego pacjenta. Choroba lokomocyjna charakteryzuje się złożoną patofizjologią, a jej przebieg zależy od wielu czynników, w tym: indywidualnej wrażliwości układu przedsionkowego, czynników psychologicznych, rodzaju bodźców wywołujących objawy, wcześniejszych doświadczeń pacjenta. Problem naukowy polega na określeniu, które z tych czynników mają kluczowe znaczenie dla skuteczności leczenia oraz czy możliwe jest wyodrębnienie grup pacjentów wymagających odmiennego postępowania terapeutycznego.

Maksymalnie siedem (7) wyrażeń oddzielonych przecinkiem. Wyrażenia podane między przecinkami mogą składać się z kilku słów.

Słowa kluczowe: choroba lokomocyjna, kinetoza, terapia spersonalizowana, układ przedsionkowy, skuteczność leczenia, medycyna podróży

Choroba lokomocyjna (kinetoza) jest zaburzeniem wynikającym z konfliktu sensorycznego pomiędzy informacjami pochodzącymi z układu przedsionkowego, wzrokowego i proprioceptywnego. Występuje najczęściej podczas podróży różnymi środkami transportu, ale także w środowiskach wirtualnych (tzw. cyberchoroba). Objawia się nudnościami, zawrotami głowy, bladością, nadmiernym poceniem się oraz wymiotami. U jej podłoża leży nieprawidłowe przetwarzanie bodźców ruchowych w ośrodkowym układzie nerwowym. Stan wiedzy wskazuje, że podatność na chorobę lokomocyjną jest zróżnicowana osobniczo i zależy m.in. od wieku, płci, czynników genetycznych oraz doświadczenia adaptacyjnego. Dzieci oraz kobiety wykazują większą wrażliwość. W leczeniu stosuje się farmakoterapię oraz metody niefarmakologiczne, jednak ich skuteczność jest zmienna. Współczesne badania koncentrują się na mechanizmach adaptacji przedsionkowej oraz możliwościach indywidualizacji terapii.

Projekt ma istotne znaczenie dla rozwoju nauk medycznych, w szczególności w obszarze neurologii, otolaryngologii oraz medycyny transportu. Zrozumienie zależności pomiędzy cechami pacjenta a skutecznością terapii stanowi jedno z kluczowych zagadnień współczesnej medycyny, zwłaszcza w kontekście rosnącego znaczenia medycyny spersonalizowanej. Realizacja projektu przyczyni się do pogłębienia wiedzy na temat mechanizmów odpowiedzi organizmu na bodźce wywołujące chorobę lokomocyjną, identyfikacji czynników determinujących skuteczność leczenia, a także opracowania podejścia umożliwiającego indywidualizację terapii. Wyniki badań będą stanowić podstawę do opracowania nowych rekomendacji klinicznych w zakresie leczenia choroby lokomocyjnej.

Zakres wdrożenia wyników projektu jest bardzo szeroki, a efekt projektu będzie dotyczył szerokiej grupy społeczeństwa. Choroba lokomocyjna dotyczy 20-40% populacji, nawet jedna trzecia osób wykazuje podatność na jej wystąpienie, a w niesprzyjających warunkach objawy mogą pojawić się u większości populacji (w skrajnych sytuacjach może jej doświadczyć niemal każdy). Projekt posiada istotne znaczenie praktyczne dla działalności podmiotu współpracującego oraz systemu ochrony zdrowia. Opracowanie zasad spersonalizowanego leczenia przyczyni się do zwiększenia skuteczności terapii, skrócenia czasu doboru terapii, ograniczenia działań niepożądanych i do poprawy jakości życia pacjentów. Wdrożenie wyników projektu przyjmie formę schematów postępowania klinicznego, zaleceń terapeutycznych dla lekarzy oraz narzędzi wspomagających podejmowanie decyzji w praktyce klinicznej.

Projekt posiada istotne znaczenie gospodarcze, w kontekście rosnącej mobilności społeczeństwa oraz dynamicznego rozwoju sektora transportu i technologii cyfrowych. Choroba lokomocyjna ma znaczenie m.in. w branżach takich jak transport, logistyka, turystyka, lotnictwo czy żegluga. Ma też znaczenie dla sektora turystycznego, gdzie poprawa skuteczności leczenia może zwiększyć dostępność usług turystycznych dla szerszej grupy odbiorców. W kwestii rozwoju technologii cyfrowych, w tym systemów rzeczywistości wirtualnej (VR) oraz symulatorów, ograniczenie zjawiska cyberchoroby zwiększy bezpieczeństwo i efektywność stosowania tych rozwiązań. Z perspektywy systemu ochrony zdrowia projekt może przyczynić się do optymalizacji kosztów leczenia poprzez skrócenie czasu doboru skutecznej terapii oraz ograniczenie stosowania nieskutecznych metod leczenia. Wdrożenie wyników projektu przyczyni się też do optymalizacji kosztów leczenia (skrócenie czasu doboru terapii), stworzy także podstawy do rozwoju usług medycznych oraz programów terapeutycznych, co będzie mieć pozytywny wpływ na rozwój i innowacyjność sektora medycznego.

Projekt będzie realizowany w kilku etapach. Etap 1 to analiza stanu wiedzy i przygotowanie badania, przegląd literatury, opracowanie protokołu badania i uzyskanie zgody komisji bioetycznej. Kamień milowy to zatwierdzony protokół badania. Etap 2 to gromadzenie i przygotowanie danych klinicznych rekrutacja pacjentów, zbieranie danych dotyczących objawów i terapii oraz weryfikacja jakości danych. Kamień milowy to baza danych pacjentów i ich dolegliwości. Etap 3 to analiza czynników wpływających na skuteczność terapii, analiza zależności pomiędzy cechami pacjentów a efektami leczenia oraz identyfikacja kluczowych czynników klinicznych. Kamień milowy to zestaw czynników wpływających na skuteczność terapii. Etap 4 to opracowanie zasad personalizacji leczenia, wyodrębnienie grup pacjentów i opracowanie schematów terapeutycznych oraz ich weryfikacja w praktyce klinicznej (testowanie opracowanych zaleceń i ocena ich skuteczności). Kamień milowy to gotowy model postępowania klinicznego, potwierdzony w działaniu i gotowy do pełnego wdrożenia.

W analizie ryzyka wyszczególniono kilka obszarów. Ryzyka naukowe to niewystarczająca liczba pacjentów, brak istotnych zależności klinicznych oraz duża zmienność odpowiedzi na leczenie. Jako działania mitygujące przyjęto zwiększenie liczby ośrodków zbierających dane i rozszerzenie kryteriów analizy. Ryzyka organizacyjne to trudności w rekrutacji pacjentów i opóźnienia w realizacji badań. Jako działania mitygujące założono etapową rekrutację i monitorowanie postępów. Ryzyka etyczne i prawne to opóźnienia w uzyskaniu zgody bioetycznej, a także ograniczenia w dostępie do danych medycznych. Jako działania mitygujące określono odpowiednie przygotowanie dokumentacji i pełną anonimizację danych.

Należy wyraźnie rozdzielić zagadnienia dotyczące aspektów naukowych (z uwzględnieniem planów publikacyjnych) oraz aspektów związanych z przygotowaniem wdrożenia. W każdym semestrze powinna występować działalność naukowa i działalność przygotowująca do wdrożenia. Wersja harmonogramu w postaci indywidualnego planu badawczego (IPB) obowiązująca dla czasu trwania projektu będzie zgłaszana w raporcie po realizacji I roku doktoratu.

Zaplanowano także opublikowanie wyników w trzech czasopismach, odpowiednio po drugim, czwartym i siódmym semestrze. Publikacje dotyczyć będą metod zbierania i analizy danych medycznych oraz terapii chorób lokomocyjnych.

Charakterystyka kompetencji naukowych lub artystycznych opiekuna naukowego (promotora) w zakresie problematyki projektu z opisem osiągnięć naukowych lub artystycznych opiekuna naukowego (promotora) w zakresie tematyki projektu ze szczególnym uwzględnieniem ostatnich 5 lat. (opis powinien uwzględniać najważniejsze publikacje z zakresu tematyki projektu lub/i dzieła artystyczne) (do 1000 znaków ze spacjami)

Profesor Joanna Szymańska pracuje w Katedrze Neurologii i Otolaryngologii na Wydziale Lekarskim Uniwersytetu Medycznego. Naukowo koncentruje się na funkcjonowaniu układu przedsionkowego, zaburzeniach równowagi oraz mechanizmach powstawania choroby lokomocyjnej. W jej dorobku znajduje się ponad 170 publikacji naukowych w czasopismach indeksowanych, dotyczących m.in. patofizjologii zaburzeń przedsionkowych, adaptacji sensorycznej, medycyny spersonalizowanej oraz skuteczności różnych metod terapeutycznych stosowanych w leczeniu zawrotów głowy i kinetozy. Wyniki prowadzonych przez nią badań były prezentowane na licznych konferencjach krajowych i międzynarodowych z zakresu neurologii, otolaryngologii oraz medycyny transportu. Łącznie ma ponad 2000 cytowań i indeks H=32 (Scopus). Posiada znaczący dorobek w recenzowaniu prac naukowych i projektów badawczych. Brała udział w realizacji projektów naukowych oraz współpracowała z ośrodkami klinicznymi w zakresie badań nad zaburzeniami równowagi.

Opis doświadczenia opiekuna naukowego (promotora) w zakresie współpracy z otoczeniem społeczno-gospodarczym ze szczególnym uwzględnieniem tematyki projektu oraz ostatnich 10 lat. (opis powinien uwzględniać doświadczenie w prowadzeniu prac, w tym rozpraw doktorskich, projektowych, konstrukcyjnych, technologicznych, wdrożeniowych lub artystycznych oraz projekty B+R) (do 1000 znaków ze spacjami).

Prof. Szymańska była promotorem 9 rozpraw doktorskich. Posiada wieloletnie doświadczenie w realizacji projektów badawczych prowadzonych we współpracy z podmiotami sektora ochrony zdrowia oraz otoczeniem społeczno-gospodarczym. Prowadziła kilkanaście projektów, w tym: Ocena skuteczności rehabilitacji przedsionkowej u pacjentów z przewlekłymi zawrotami głowy, Zastosowanie rzeczywistości wirtualnej w terapii zaburzeń przedsionkowych oraz Program profilaktyki zaburzeń równowagi w grupach zawodowych narażonych na działanie bodźców ruchowych. Współpracuje z podmiotami leczniczymi, firmami z sektora technologii medycznych (rozwój narzędzi terapeutycznych i diagnostycznych), a także instytucjami związanymi z transportem. W ramach współpracy realizowane były badania kliniczne oraz wdrażane nowe metody terapeutyczne. Angażuje się w działania edukacyjne, w tym szkolenia dla personelu medycznego.

Informacje na temat dostosowania programu kształcenia w szkole doktorskiej do założeń Programu „Doktorat wdrożeniowy 2024”. (metody pracy z doktorantem, możliwości jednoczesnej realizacji programu kształcenia i aktywności zawodowej, zgodność czasowa harmonogramu kształcenia z planowanymi do realizacji zadaniami projektu, możliwość indywidualnego toku kształcenia, tutoring, zaliczenie efektów uczenia się egzaminami/ szkołami letnimi/ certyfikatami, możliwość wyboru przedmiotów, zmniejszenie wymiaru praktyk zawodowych, kształcenie hybrydowe, itp.) (do 500 znaków ze spacjami)

Program kształcenia obejmuje 600 godzin realizowanych w ciągu czterech lat, co umożliwia swobodne prowadzenie badań w ramach doktoratu wdrożeniowego. Zajęcia w Szkole Doktorskiej organizowane są w godzinach popołudniowych, dzięki czemu można je pogodzić z pracą zawodową; przewidziana jest także możliwość uczestnictwa w zajęciach zdalnych. Praktyki zawodowe trwają 50 godzin i są realizowane w trakcie całego okresu kształcenia.

Informacje na temat wsparcia oferowanego doktorantowi przez Wnioskodawcę, w tym wykorzystanie zasobów na potrzeby realizacji projektu. (infrastruktura, materiały, pomoc metodyczna, środki finansowe) (do 500 znaków ze spacjami)

Uniwersytet Medyczny dysponuje nowoczesną infrastrukturą badawczą, obejmującą specjalistyczny sprzęt do analiz biomedycznych i opracowywania spersonalizowanych terapii. Zapewnia kompleksowe wsparcie merytoryczne, finansowe oraz informatyczne i literaturowe. Eksperci z różnych dziedzin będą wspierać Doktorantkę w realizacji prac badawczych. Bogate doświadczenie jednostki potwierdzają liczne projekty krajowe i międzynarodowe, w tym przedsięwzięcia z zakresu innowacyjnych rozwiązań terapeutycznych.

Tak przygotowany wniosek podlega ocenie przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”. Poniżej omówiono poszczególne kryteria oceny, której warunkiem wstępnym jest wdrożeniowy charakter projektu. Jeśli to kryterium nie zostało spełnione, to wniosek zostaje odrzucony i nie podlega dalszej ocenie. Recenzent ocenia zatem:

Czy projekt ma jasno zdefiniowany charakter wdrożeniowy?: (Tak/Nie)

Po zakończeniu etapu badawczego projekt zakłada wdrożenie opracowanego rozwiązania w obszarze spersonalizowanej terapii, wykorzystującego algorytmy sztucznej inteligencji. System będzie wspierał specjalistów w podejmowaniu decyzji terapeutycznych, m.in. poprzez analizę danych pacjenta i dobór optymalnych metod leczenia. Ze względu na rosnące znaczenie medycyny spersonalizowanej oraz jej zastosowanie w wielu dziedzinach ochrony zdrowia, potencjał wdrożeniowy wyników projektu jest bardzo szeroki i obejmuje różne obszary praktyki klinicznej.

Kryterium 1.

Osiągnięcia naukowe lub artystyczne promotora w zakresie tematyki projektu (15 / 15)

Uzasadnienie: Doktorat realizowany jest w obszarze nauk biomedycznych i inżynierii biomedycznej, ze szczególnym uwzględnieniem rozwoju spersonalizowanych strategii terapeutycznych. Opiekun naukowy jest uznanym ekspertem w dziedzinie nowoczesnych metod analizy danych medycznych, modelowania procesów biologicznych oraz zastosowań sztucznej inteligencji w medycynie. Jej dorobek obejmuje liczne publikacje naukowe oraz wystąpienia na konferencjach krajowych i międzynarodowych. Pełni również funkcję recenzenta prac naukowych oraz aktywnie uczestniczy w działalności gremiów eksperckich, co potwierdza jej ugruntowaną pozycję w środowisku naukowym.

Kryterium 2.

Dokonania promotora w zakresie współpracy z otoczeniem społeczno gospodarczym (10 / 10)

Uzasadnienie: Opiekun naukowy aktywnie współpracuje z otoczeniem społeczno-gospodarczym, w szczególności w obszarze wdrażania innowacyjnych rozwiązań w ochronie zdrowia. Brała udział w licznych projektach badawczych i wdrożeniowych, w tym związanych z rozwojem nowoczesnych metod terapeutycznych oraz ich implementacją w praktyce. Dodatkowo pełniła funkcję promotora i recenzenta rozpraw doktorskich, co potwierdza jej kompetencje w zakresie kształcenia kadry naukowej.

Kryterium 3.

Naukowe lub artystyczne znaczenie projektu (15 / 15)

Uzasadnienie: Projekt dotyczy obszaru dynamicznie rozwijającej się medycyny spersonalizowanej, w której kluczowe znaczenie ma precyzyjna analiza danych pacjenta oraz indywidualizacja terapii. Charakterystyka procesów biologicznych i odpowiedzi organizmu na leczenie stanowi istotny element zarówno z perspektywy klinicznej, jak i wdrożeniowej. Coraz większą rolę odgrywają tu rozwiązania oparte na sztucznej inteligencji, które są jednocześnie przedmiotem intensywnych badań naukowych. Wszystkie te aspekty zostały uwzględnione w projekcie, co przesądza o jego wysokiej wartości naukowej. Zaplanowane prace badawcze przyczynią się do rozwoju dyscypliny oraz stworzą podstawy do szerszego wykorzystania narzędzi interdyscyplinarnych w obszarze spersonalizowanej terapii.

Kryterium 4.

Sposób zdefiniowania problemu naukowego i projektu wdrożeniowego, metodologia realizacji projektu (20 / 20)

Uzasadnienie: Problem naukowy został sformułowany prawidłowo i dotyczy opracowania spersonalizowanej terapii, ze szczególnym uwzględnieniem analizy danych na poziomie molekularnym i komórkowym. Metodologia badań obejmuje kompleksowe podejście — od analizy literatury, przez opracowanie metod badawczych i przygotowanie danych, aż po stworzenie i wdrożenie gotowego rozwiązania. W ramach etapu wdrożeniowego przewidziano opracowanie oprogramowania wspierającego specjalistów w procesie planowania i optymalizacji terapii, które — dzięki wykorzystaniu algorytmów sztucznej inteligencji — będzie wspomagać podejmowanie decyzji klinicznych oraz zwiększać skuteczność leczenia.

Kryterium 5.

Zakres wsparcia dla doktoranta ze strony wnioskodawcy oraz podmiotu współpracującego — pracodawcy przyszłego doktoranta (10 / 10)

Uzasadnienie: Wnioskodawca dysponuje nowoczesną infrastrukturą badawczą, obejmującą zaawansowane laboratoria wyposażone w specjalistyczną aparaturę do badań biomedycznych, i zadeklarował ich wykorzystanie na potrzeby realizacji doktoratu. Zapewnia także wsparcie merytoryczne ze strony ekspertów z różnych dziedzin oraz odpowiednie finansowanie projektu. Podmiot współpracujący również oferuje dostęp do dobrze wyposażonych laboratoriów oraz nowoczesnej infrastruktury technologicznej, co istotnie wzmacnia potencjał badawczo-wdrożeniowy przedsięwzięcia.

Kryterium 6.

Doświadczenie wnioskodawcy w działalności wdrożeniowej ze szczególnym uwzględnieniem wcześniejszego udziału w Programie „Doktorat wdrożeniowy” (5 / 5)

Uzasadnienie: Uniwersytet Medyczny posiada już doświadczenie związane z uczestnictwem w programie. Dotychczas współpraca układała się pozytywnie, wszystkie obowiązki ze strony uczelni realizowane były terminowo. Również raporty dostarczane przez uczelnię reprezentowały wysoki poziom formalny i merytoryczny.

Kryterium 7.

Wpływ wdrożenia projektu na wybrane sektory gospodarki lub społeczeństwo, w tym znaczenie wdrożenia dla podmiotu współpracującego (15 / 15)

Uzasadnienie: Wdrożenie wyników projektu będzie mieć istotny wpływ na system ochrony zdrowia oraz funkcjonowanie społeczeństwa. Poprawa skuteczności terapii choroby lokomocyjnej przyczyni się do zwiększenia komfortu życia pacjentów oraz ich mobilności, co ma znaczenie w kontekście rosnącej aktywności zawodowej i społecznej. W sektorze ochrony zdrowia projekt wpłynie na poprawę efektywności leczenia poprzez wprowadzenie bardziej uporządkowanych zasad postępowania terapeutycznego, co przyczyni się do ograniczenia kosztów leczenia oraz zmniejszenia liczby nieskutecznych terapii. Projekt ma również znaczenie dla sektorów transportu, turystyki oraz szkoleń symulacyjnych, gdzie ograniczenie objawów choroby lokomocyjnej poprawi komfort podróży oraz efektywność wykorzystania technologii symulacyjnych. Z perspektywy podmiotu współpracującego wdrożenie projektu umożliwi rozwój nowoczesnych, spersonalizowanych usług medycznych, zwiększając jego konkurencyjność oraz atrakcyjność dla pacjentów.

Kryterium 8.

Doświadczenie podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego i nauki oraz sektora B+R (10 / 10)

Uzasadnienie: Podmiot współpracujący czyli firma MedTravel ma doświadczenie we współpracy z uczelniami, z którymi realizowano 3 projekty o charakterze badawczo wdrożeniowym. Ośrodek angażuje się również w kształcenie przyszłych kadr medycznych, oferując studentom kierunków medycznych możliwość odbywania praktyk oraz staży. Ponadto pracujący w MedTravel specjaliści aktywnie uczestniczą w działalności dydaktycznej, prowadząc zajęcia i wykłady na wybranych uczelniach w kraju.

Podsumowanie oceny

Suma (100 / 100)

Rekomendacja: Pozytywna

Rekomendowany do finansowania: Tak

Uzasadnienie: Projekt został przygotowany w sposób spójny i dotyczy istotnego oraz aktualnego problemu klinicznego, mającego znaczenie zarówno naukowe, jak i praktyczne. Przedstawiona koncepcja badań wpisuje się w rozwój medycyny spersonalizowanej oraz odpowiada na realne potrzeby związane z poprawą skuteczności leczenia choroby lokomocyjnej. Opiekun naukowy posiada odpowiedni dorobek naukowy oraz doświadczenie w prowadzeniu badań i współpracy z podmiotami z sektora ochrony zdrowia, co stanowi solidne zaplecze merytoryczne dla realizacji projektu. Jednostka naukowa dysponuje odpowiednią infrastrukturą oraz kadrą, zapewniając warunki sprzyjające prowadzeniu badań na wysokim poziomie. Podmiot współpracujący oferuje dostęp do zaplecza klinicznego oraz środowiska umożliwiającego praktyczną weryfikację i wdrożenie uzyskanych wyników. Całość projektu charakteryzuje się wysokim potencjałem wdrożeniowym oraz realną możliwością osiągnięcia zakładanych rezultatów.

Imię i nazwisko: Marta Stachowiak

Uczelnia: Uniwersytet Medyczny

Wydział: Lekarski

Promotor (opiekun naukowy): Joanna Szymańska

Promotor pomocniczy (pomocniczy opiekun naukowy): nie dotyczy

Informacje dodatkowe: Opiekun pomocniczy — Piotr Majchrzak, podmiot współpracujący — Centrum Medycyny Podróży „MedTravel”

Dyscyplina: Nauki medyczne

a) tytuł rozprawy

Spersonalizowana terapia chorób lokomocyjnych

b) hipoteza badawcza

Zróżnicowana skuteczność metod terapeutycznych stosowanych w leczeniu choroby lokomocyjnej wynika ze złożonej patofizjologii tego zaburzenia oraz dużej zmienności osobniczej pacjentów. Dobór odpowiedniego postępowania terapeutycznego w praktyce klinicznej pozostaje często zależny od doświadczenia lekarza, a jego efektywność uwarunkowana jest wieloma czynnikami, takimi jak wrażliwość układu przedsionkowego, charakter bodźców wywołujących objawy czy czynniki psychologiczne. Równolegle rozwój wiedzy w zakresie zaburzeń przedsionkowych oraz metod terapeutycznych stwarza możliwość lepszego zrozumienia mechanizmów odpowiedzi na leczenie oraz identyfikacji czynników determinujących jego skuteczność. Możliwe jest zatem opracowanie spersonalizowanego podejścia terapeutycznego w chorobie lokomocyjnej, wspierającego dobór optymalnej metody leczenia dla konkretnego pacjenta.

c) uzasadnienie wyboru tematu, cel i metodyka badań

Złożony charakter choroby lokomocyjnej oraz zróżnicowana odpowiedź pacjentów na stosowane metody terapeutyczne prowadzą do trudności w doborze optymalnego postępowania klinicznego. W praktyce oznacza to, że skuteczność leczenia w dużym stopniu zależy od doświadczenia lekarza, a sam efekt terapii uwarunkowany jest wieloma wzajemnie powiązanymi czynnikami, takimi jak wrażliwość układu przedsionkowego, charakter bodźców wywołujących objawy, czynniki psychologiczne oraz wcześniejsze doświadczenia pacjenta. Jednocześnie rozwój wiedzy w zakresie patofizjologii zaburzeń przedsionkowych oraz metod terapeutycznych stwarza możliwość bardziej precyzyjnego określenia czynników wpływających na skuteczność leczenia. W szczególności zasadne wydaje się opracowanie podejścia umożliwiającego dobór terapii dostosowanej do indywidualnych cech pacjenta, z uwzględnieniem zarówno metod farmakologicznych, jak i niefarmakologicznych.

Celem planowanych badań jest szczegółowa identyfikacja czynników determinujących skuteczność terapii choroby lokomocyjnej, opracowanie zasad spersonalizowanego postępowania terapeutycznego oraz ocena możliwości ich wdrożenia w praktyce klinicznej. Realizacja powyższych celów będzie przebiegać etapowo. W pierwszym etapie przeprowadzony zostanie przegląd literatury oraz opracowanie protokołu badania, obejmującego dobór zmiennych klinicznych oraz metod oceny skuteczności terapii. Następnie przeprowadzona zostanie rekrutacja pacjentów oraz gromadzenie danych dotyczących przebiegu choroby, charakterystyki objawów, czynników wyzwalających oraz zastosowanych metod leczenia. Zgromadzone dane zostaną poddane analizie w celu identyfikacji zależności pomiędzy cechami pacjentów a efektywnością terapii oraz wyodrębnienia kluczowych czynników wpływających na odpowiedź na leczenie. Na tej podstawie, z wykorzystaniem wiedzy klinicznej oraz aktualnych wytycznych, opracowane zostaną zasady doboru terapii dla wybranych grup pacjentów.

Kolejnym etapem będzie weryfikacja opracowanych schematów terapeutycznych w warunkach klinicznych poprzez ich zastosowanie w praktyce oraz ocenę skuteczności w porównaniu do standardowego postępowania. Istotnym elementem pracy będzie również opracowanie zaleceń umożliwiających praktyczne wykorzystanie wyników badań w codziennej pracy lekarza. Zwieńczeniem prac będzie analiza efektywności opracowanego podejścia oraz jego wdrożenie w działalności podmiotu współpracującego, co umożliwi zastosowanie spersonalizowanych metod leczenia choroby lokomocyjnej w warunkach rzeczywistych.

d) przewidywane wyniki prac i ich znaczenie i wpływ dla nauki i społeczeństwa

Przeprowadzone badania umożliwią osiągnięcie zakładanych celów naukowych projektu, w szczególności związanych z identyfikacją czynników wpływających na skuteczność terapii choroby lokomocyjnej oraz opracowaniem zasad spersonalizowanego postępowania terapeutycznego. W toku realizacji pracy zgromadzony zostanie zbiór danych klinicznych obejmujący charakterystykę pacjentów, przebieg choroby, czynniki wyzwalające objawy oraz wyniki zastosowanych metod leczenia, wraz z oceną ich skuteczności w różnych grupach pacjentów. Dane te stanowić będą podstawę do budowy uporządkowanej bazy wiedzy umożliwiającej dobór odpowiedniej strategii terapeutycznej w zależności od indywidualnych cech pacjenta. Jednym z kluczowych efektów projektu będzie opracowanie schematów postępowania klinicznego uwzględniających zróżnicowanie pacjentów oraz specyfikę przebiegu choroby. Opracowane podejście pozwoli na bardziej świadomy i uporządkowany dobór terapii, zarówno farmakologicznej, jak i niefarmakologicznej. Istotnym elementem będzie również przygotowanie zaleceń umożliwiających praktyczne wykorzystanie wyników badań w codziennej pracy lekarza oraz ich wdrożenie w działalności podmiotu współpracującego. Pozwoli to na zwiększenie skuteczności leczenia, skrócenie czasu doboru odpowiedniej terapii oraz ograniczenie ryzyka stosowania nieskutecznych metod terapeutycznych.

Znaczenie proponowanych badań dla rozwoju nauki przejawia się przede wszystkim w pogłębieniu wiedzy na temat mechanizmów choroby lokomocyjnej oraz zależności pomiędzy cechami klinicznymi pacjentów a odpowiedzią na leczenie. Opracowana baza danych oraz wyniki analiz mogą stanowić podstawę do dalszych badań nad personalizacją terapii w zaburzeniach przedsionkowych oraz rozwojem podejść zindywidualizowanych w medycynie. Projekt wpisuje się tym samym w aktualne kierunki rozwoju medycyny ukierunkowanej na indywidualne potrzeby pacjenta. Wpływ projektu na gospodarkę i społeczeństwo będzie miał charakter wielowymiarowy. Choroba lokomocyjna oddziałuje na funkcjonowanie wielu sektorów, w szczególności transportu, turystyki oraz obszarów wykorzystujących technologie symulacyjne. Opracowanie skuteczniejszych metod leczenia przyczyni się do poprawy komfortu życia pacjentów oraz zwiększenia ich aktywności zawodowej i społecznej. Wdrożenie zasad spersonalizowanej terapii może również prowadzić do poprawy efektywności systemu ochrony zdrowia poprzez bardziej racjonalne wykorzystanie dostępnych metod leczenia. W kontekście rosnącej mobilności społeczeństwa oraz rozwoju nowych technologii, takich jak rzeczywistość wirtualna, rozwiązania tego typu stanowią istotne wsparcie zarówno dla praktyki klinicznej, jak i dla rozwoju nowoczesnych usług medycznych. W rezultacie realizacji projektu możliwe będzie stworzenie podejścia terapeutycznego, które nie tylko odpowiada na aktualne potrzeby kliniczne, ale również wyznacza kierunek dalszego rozwoju leczenia choroby lokomocyjnej w stronę większej personalizacji i skuteczności.

Zaplanowano także opublikowanie wyników w trzech czasopismach, odpowiednio po drugim, czwartym i siódmym semestrze. Publikacje dotyczyć będą metod zbierania i analizy danych medycznych oraz terapii chorób lokomocyjnych.

W projekcie przewidziano opublikowanie trzech artykułów naukowych w czasopismach punktowanych znajdujących się na liście MNiSW (minimum 70 punktów), odpowiednio po drugim, czwartym i siódmym semestrze. Planowany jest też udział w dwóch konferencjach naukowych z posterami lub referatami.

Planowane jest złożenie rozprawy doktorskiej we wrześniu 2028.

Nie dotyczy

W programie przewidziano raportowanie roczne, a zatem każdy Doktorant zobowiązany jest do przygotowania raportów ze swoich prac po każdym kolejnym roku realizacji projektu. Raport ten oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Pierwszy, drugi i trzeci rok działalności Doktoranta kończy zestaw dokumentów z raportem i opiniami opiekunów oraz ocena tego materiału. Po czwartym roku przygotowywany jest raport końcowy — również przedstawiony na końcu modelu przygotowanego dla inżynierii mechanicznej. Tutaj szczególnie ważna jest konieczność przedstawienia deklaracji złożenia rozprawy doktorskiej.

Rozprawa doktorska została złożona w wymaganym terminie. Skan pierwszej strony rozprawy przedstawiono poniżej.

Raport końcowy jest ostatnim przygotowywanym przez Doktoranta i dostarczanym wraz z opiniami opiekunów. Dotyczy on całości projektu (wszystkich lat), a nie tylko ostatniego roku. Raport ten również oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Taki komplet raportów i ocena zamykają cały okres działalności Doktoranta. Jednocześnie jest to koniec pracy eksperta z zespołu doradczego ds. Programu „Doktorat wdrożeniowy” nad tym konkretnym projektem. Zespół nie zajmuje się bowiem oceną rozpraw doktorskich, wyznaczanie recenzentów i cała reszta procedury należy do właściwych Rad Dyscyplin.

Bardzo istotnym obszarem współczesnych nauk społecznych są zagadnienia związane z transformacją energetyczną oraz społeczną adaptacją do nowych technologii. Procesy transformacyjne zachodzące obecnie w gospodarce światowej obejmują nie tylko zmiany technologiczne i przemysłowe, lecz również głębokie przemiany społeczne, kulturowe i ekonomiczne wpływające na funkcjonowanie współczesnych społeczeństw. Rosnące znaczenie polityki klimatycznej, potrzeba ograniczania emisji gazów cieplarnianych oraz dążenie do zwiększenia bezpieczeństwa energetycznego powodują, że państwa i organizacje międzynarodowe intensyfikują działania związane z rozwojem nowoczesnych źródeł energii oraz technologii niskoemisyjnych. Transformacja energetyczna staje się tym samym nie tylko wyzwaniem technologicznym i gospodarczym, ale również procesem wymagającym aktywnego udziału społeczeństwa, budowania nowych kompetencji obywatelskich oraz kształtowania postaw sprzyjających akceptacji zmian. Szczególne znaczenie zyskują w ostatnich latach technologie wodorowe, które postrzegane są jako jeden z kluczowych elementów transformacji gospodarki w kierunku neutralności klimatycznej oraz zwiększenia bezpieczeństwa energetycznego państw i regionów. Wodór traktowany jest coraz częściej jako strategiczny nośnik energii przyszłości, mogący znaleźć zastosowanie w energetyce, przemyśle, transporcie oraz magazynowaniu energii. Przyszłościowo coraz wyraźniej rysuje się jego wykorzystanie również w obszarze fuzji termojądrowej. Rozwój gospodarki wodorowej stanowi jednocześnie element polityk klimatycznych realizowanych na poziomie krajowym i międzynarodowym, wpisując się w założenia Europejskiego Zielonego Ładu, strategii neutralności klimatycznej oraz działań na rzecz zrównoważonego rozwoju.

Rozwój technologii wodorowych obejmuje nie tylko aspekty techniczne i przemysłowe, lecz także kwestie społeczne, edukacyjne i komunikacyjne. Wdrażanie nowych technologii energetycznych wymaga bowiem akceptacji społecznej, zrozumienia ich znaczenia oraz budowania kompetencji obywateli w zakresie świadomego korzystania z nowoczesnych rozwiązań energetycznych. W praktyce oznacza to konieczność prowadzenia działań edukacyjnych, informacyjnych i społecznych skierowanych zarówno do mieszkańców, przedsiębiorstw, administracji publicznej, jak i sektora edukacji. Szczególną rolę odgrywa obecnie problem poziomu wiedzy społecznej dotyczącej wodoru jako nośnika energii. W społeczeństwie występują liczne bariery związane z brakiem wiedzy, stereotypami dotyczącymi bezpieczeństwa technologii wodorowych oraz niewystarczającym zrozumieniem ich znaczenia dla gospodarki i środowiska. Jednocześnie dynamiczny rozwój technologii cyfrowych oraz mediów społecznościowych stwarza nowe możliwości w zakresie komunikacji społecznej, edukacji oraz kreowania postaw obywatelskich. Rozwój narzędzi opartych na sztucznej inteligencji umożliwia ponadto analizę postaw społecznych, identyfikację źródeł dezinformacji oraz projektowanie bardziej efektywnych modeli komunikacji społecznej wspierających proces transformacji energetycznej.

Współczesna transformacja energetyczna wymaga nie tylko rozwoju infrastruktury technologicznej, ale również budowania społecznej gotowości do uczestnictwa w procesach zmian gospodarczych, środowiskowych i technologicznych. Gotowość ta obejmuje poziom wiedzy obywateli, akceptację nowych technologii, zdolność adaptacji do zmian oraz odporność społeczną na dezinformację i przekazy podważające zasadność transformacji energetycznej. W tym kontekście szczególnego znaczenia nabierają działania ukierunkowane na budowę świadomego społeczeństwa wykorzystującego technologie wodorowe, zdolnego do aktywnego i odpowiedzialnego uczestnictwa w rozwoju gospodarki niskoemisyjnej.

Poniżej przygotowano modelowy przykład rozwiązania oparty na współpracy organizacji branżowej z uczelnią w Programie „Doktorat wdrożeniowy”. Dla potrzeb stworzenia modelu przyjęto przykładowy charakter projektu realizowanego wspólnie przez organizację sektora gospodarki wodorowej oraz jednostkę naukową prowadzącą działalność w obszarze nauk społecznych.

Polska Izba Wodoru jest organizacją branżową zrzeszającą około 130 podmiotów gospodarczych działających w obszarze technologii wodorowych, transformacji energetycznej oraz nowoczesnych technologii niskoemisyjnych. Izba działa na podstawie ustawy o izbach gospodarczych oraz Statutu i posiada osobowość prawną. Izba działa na obszarze Rzeczypospolitej Polskiej, podejmując także działalność za granicą, może podejmować i uczestniczyć w przedsięwzięciach gospodarczych oraz prowadzić działalność gospodarczą. Członkami organizacji są przedsiębiorstwa przemysłowe, firmy technologiczne, podmioty sektora energetycznego, jednostki badawczo-rozwojowe oraz organizacje wspierające rozwój gospodarki wodorowej w Polsce. Działalność Izby koncentruje się na wspieraniu rozwoju technologii wodorowych, integracji środowiska gospodarczego i naukowego, prowadzeniu działań edukacyjnych oraz popularyzacji wiedzy dotyczącej transformacji energetycznej.

W ostatnich latach organizacja zaobserwowała rosnące znaczenie społecznych aspektów transformacji energetycznej. Pomimo dynamicznego rozwoju technologii wodorowych oraz coraz większej liczby projektów infrastrukturalnych i inwestycyjnych, zauważalnym problemem pozostaje niski poziom świadomości społecznej dotyczącej wodoru jako nośnika energii oraz ograniczone zrozumienie roli gospodarki wodorowej w procesie transformacji energetycznej. W przestrzeni publicznej występują również liczne stereotypy oraz obawy związane z bezpieczeństwem technologii wodorowych, a także zjawiska dezinformacyjne wpływające na poziom akceptacji społecznej nowych technologii energetycznych. Polska Izba Wodoru prowadzi działania informacyjne, edukacyjne oraz popularyzatorskie skierowane do przedsiębiorstw, administracji publicznej, środowiska akademickiego oraz społeczeństwa. Organizowane są konferencje, szkolenia, kampanie społeczne oraz wydarzenia promujące rozwój gospodarki wodorowej. W ramach tych działań gromadzone są dane dotyczące poziomu zainteresowania tematyką wodorową, postaw społecznych wobec nowych technologii energetycznych oraz skuteczności poszczególnych form komunikacji społecznej. Jednocześnie dynamiczny rozwój technologii cyfrowych, mediów społecznościowych oraz narzędzi opartych na sztucznej inteligencji stwarza nowe możliwości w zakresie analizy postaw społecznych, monitorowania opinii publicznej oraz projektowania bardziej efektywnych modeli komunikacji społecznej. Organizacja dostrzega potrzebę opracowania narzędzi umożliwiających diagnozę poziomu społecznej gotowości do transformacji energetycznej oraz identyfikację czynników wpływających na akceptację technologii wodorowych. Oczekiwanym rezultatem prowadzonych badań byłoby stworzenie modelu analizy społecznej gotowości do transformacji energetycznej, obejmującego mechanizmy diagnozy poziomu wiedzy społecznej, analizy akceptacji technologii wodorowych, identyfikacji zjawisk dezinformacyjnych oraz rekomendacji dotyczących działań edukacyjnych i komunikacyjnych. Polska Izba Wodoru liczy również na rozwój kompetencji organizacji w zakresie wykorzystania nowoczesnych narzędzi analitycznych oraz sztucznej inteligencji do wspierania procesów komunikacji społecznej i edukacji energetycznej.

Ze względu na interdyscyplinarny charakter zagadnienia, obejmujący elementy socjologii, komunikacji społecznej, transformacji energetycznej oraz analizy danych, Polska Izba Wodoru zdecydowała się na podjęcie współpracy z uczelnią posiadającą doświadczenie w realizacji badań społecznych oraz projektów związanych z analizą procesów transformacyjnych. Współpraca ta ma umożliwić realizację projektu badawczo-wdrożeniowego w ramach Programu „Doktorat wdrożeniowy”, którego rezultatem będzie opracowanie i wdrożenie narzędzi wspierających budowę świadomego społeczeństwa przygotowanego do aktywnego uczestnictwa w transformacji energetycznej. Wybrano zatem Uniwersytet Społeczno-Technologiczny, który zajmuje się tematyką analiz społecznych i posiada w tym zakresie duże doświadczenie badawcze i naukowe. Pracuje w nim profesor Robert Andrzejewski, specjalizujący się w zagadnieniach socjologii transformacji technologicznej, komunikacji społecznej oraz społecznych aspektów rozwoju nowoczesnych technologii energetycznych. Jego działalność naukowa koncentruje się na badaniu procesów adaptacji społecznej do zmian technologicznych, budowaniu świadomości społecznej w obszarze transformacji energetycznej oraz analizie wpływu mediów cyfrowych i sztucznej inteligencji na postawy obywatelskie. W ostatnich latach jego zainteresowania badawcze obejmują również problematykę społecznej gotowości do transformacji energetycznej oraz rolę organizacji społecznych i gospodarczych w procesach budowania świadomości obywatelskiej dotyczącej gospodarki niskoemisyjnej i technologii wodorowych. Profesor Robert Andrzejewski jest autorem licznych publikacji naukowych dotyczących socjologii nowych technologii, komunikacji społecznej oraz cyfrowych aspektów transformacji społecznej. Uczestniczył również w projektach badawczo-wdrożeniowych realizowanych we współpracy z organizacjami branżowymi, jednostkami samorządu terytorialnego oraz podmiotami sektora energetycznego. Wspierać go będzie dr Joanna Małecka, pracująca w tej samej Katedrze i specjalizująca się w metodach analitycznych stosowanych w komunikacji społecznej. Ze strony podmiotu współpracującego zaproponowano p. mgr. Jerzego Zarembę. Posiada on wieloletnie doświadczenie w działalności związanej z rozwojem technologii energetycznych, współpracą międzysektorową oraz realizacją projektów wspierających transformację energetyczną i rozwój gospodarki wodorowej. W ramach działalności prowadzonej w Polskiej Izbie Wodoru uczestniczy w koordynacji inicjatyw związanych z integracją środowiska naukowego, biznesowego oraz administracyjnego w obszarze technologii wodorowych i nowoczesnych rozwiązań energetycznych. Jego kompetencje obejmują m.in. współpracę z przedsiębiorstwami sektora energetycznego i technologicznego oraz koordynację projektów edukacyjnych i społecznych nastawionych na wdrożenie działań związanych z popularyzacją gospodarki wodorowej, co doskonale wpisuje się w tematykę projektu. Prowadził z ramienia Izby szereg projektów i inicjatyw związanych z rozwojem gospodarki wodorowej oraz transformacji energetycznej, w tym dotyczące popularyzacji technologii wodorowych wśród jednostek samorządu terytorialnego, inicjatyw edukacyjnych związanych z budowaniem świadomości społecznej w zakresie transformacji energetycznej, współpracy pomiędzy sektorem nauki, biznesu i administracji publicznej, związanych z opracowywaniem rekomendacji i strategii rozwoju technologii wodorowych oraz związanych z promocją nowoczesnych technologii niskoemisyjnych i zrównoważonego rozwoju (np. Hydrogen Valley, regionalne strategie wodorowe, projekty ESG, działania związane z Europejskim Zielonym Ładem). Zajmuje się też organizacją konferencji i forów gospodarczych poświęconych gospodarce wodorowej, działaniami wspierającymi rozwój regionalnych dolin wodorowych oraz działaniami komunikacyjnymi dotyczącymi społecznych aspektów transformacji energetycznej. Uczestniczy ponadto w działaniach związanych z przygotowywaniem analiz, rekomendacji oraz projektów wspierających rozwój gospodarki wodorowej w Polsce. Warto tu zaznaczyć, że opiekun pomocniczy nie musi posiadać stopnia naukowego doktora, ale jeśli nie ma, to musi wykazać się istotnym dorobkiem w działalności wdrożeniowej — wdrożenia, patenty, lub mieć przynajmniej pięcioletnie doświadczenie naukowe). W projekcie pan Jerzy Zaremba pełnić będzie funkcję opiekuna pomocniczego odpowiedzialnego za wsparcie wdrożeniowe oraz zapewnienie dostępu do środowiska organizacyjnego i eksperckiego Polskiej Izby Wodoru. Doktorantem został mgr Wojciech Kozłowski, absolwent studiów magisterskich w zakresie socjologii ze specjalizacją dotyczącą komunikacji społecznej oraz procesów transformacji społeczno-technologicznych. W trakcie studiów koncentrował swoje zainteresowania naukowe wokół zagadnień związanych z wpływem nowych technologii na społeczeństwo, komunikacją społeczną w środowisku cyfrowym oraz społecznymi aspektami transformacji energetycznej i zrównoważonego rozwoju. W pracy dyplomowej analizował wpływ mediów cyfrowych na kształtowanie postaw społecznych wobec zmian technologicznych i środowiskowych, ze szczególnym uwzględnieniem roli mediów społecznościowych w procesach budowania świadomości obywatelskiej. Jego zainteresowania naukowe obejmują również komunikację społeczną, budowanie świadomości społecznej, społeczną akceptację innowacji technologicznych, odporność społeczną na dezinformację oraz wykorzystanie sztucznej inteligencji oraz analizy danych w badaniach społecznych i wpływ mediów cyfrowych na procesy kształtowania opinii publicznej. Ze względu na interdyscyplinarny charakter zainteresowań naukowych oraz chęć łączenia badań społecznych z praktycznymi działaniami wdrożeniowymi Wojciech Kozłowski zdecydował się na realizację projektu w formule doktoratu wdrożeniowego, we współpracy z Polską Izbą Wodoru, w której zostanie zatrudniony w przypadku pomyślnej oceny wniosku wyrażającego koncepcję projektu badawczo-wdrożeniowego, złożonego w Programie „Doktorat wdrożeniowy”.

*najczęściej na etapie przygotowania wniosku w firmie już jest wybrana osoba doktoranta, jednakże formalnie ona w nim nie występuje. Jest wprowadzana dopiero po zakwalifikowaniu wniosku do realizacji przez MNiSW oraz po pozytywnej rekrutacji do Szkoły Doktorskiej. Dopiero wtedy zostaje formalnie zgłoszona do projektu.

Pomiędzy zainteresowanymi osobami nie stwierdzono konfliktu interesów. Strony ustalają, że doktorant będzie miał dostęp do wyposażenia badawczego na uczelni i infrastruktury w firmie. Ustalono również, że własność intelektualna powstała w wyniku projektu będzie zagospodarowana w następujący sposób: jeśli powstanie po stronie firmy — będzie jej własnością. Jeśli powstanie w wyniku prac na uczelni — będzie własnością uczelni. Jeśli powstanie w wyniku działań

Przedstawiona koncepcja zostaje następnie przełożona na formalny wniosek aplikacyjny, przygotowywany na podstawie formularza opracowanego przez wcześniej wspomniany zespół doradczy Ministra Nauki i Szkolnictwa Wyższego, odpowiedzialny za ocenę wniosków oraz raportów w ramach Programu „Doktorat wdrożeniowy”. Formularz ten ma ściśle określoną strukturę, a każdy jego punkt zawiera limit znaków, który wyznacza maksymalną objętość odpowiedzi. Ograniczenie to ma na celu wymuszenie zwięzłości, przejrzystości oraz koncentracji na najistotniejszych informacjach, tak aby składane wnioski były jednocześnie syntetyczne i bogate merytorycznie. W ramach przygotowywanego wniosku szczegółowo opisywane są kolejne elementy, obejmujące między innymi:

Charakterystyka doświadczeń podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego, nauki lub sektora B+R ze szczególnym uwzględnieniem ostatnich 5 lat (do 1000 znaków ze spacjami)

Polska Izba Wodoru jest organizacją branżową zrzeszającą około 130 podmiotów gospodarczych działających w obszarze technologii wodorowych, transformacji energetycznej oraz nowoczesnych technologii niskoemisyjnych. Izba prowadzi działalność na rzecz rozwoju gospodarki wodorowej, integracji środowiska gospodarczego i naukowego oraz popularyzacji wiedzy dotyczącej transformacji energetycznej. W ramach swojej działalności organizuje konferencje, szkolenia, kampanie społeczne oraz działania edukacyjne skierowane do przedsiębiorstw, administracji publicznej i społeczeństwa. W ostatnich latach Izba współpracowała z podmiotami naukowymi i gospodarczymi przy realizacji inicjatyw związanych z rozwojem regionalnych dolin wodorowych, edukacją energetyczną oraz komunikacją społeczną dotyczącą transformacji energetycznej. Organizacja wspiera również działania związane z analizą postaw społecznych wobec nowych technologii energetycznych.

Potencjał podmiotu współpracującego z perspektywy realizacji projektu (aparatura badawcza, doświadczenie w branży itp.) oraz informacja o oferowanym wsparciu podmiotu zatrudniającego doktoranta w tym charakterystyka opiekuna pomocniczego i jego doświadczenia w pracach B+R (do 1500 znaków ze spacjami).

Polska Izba Wodoru prowadzi działalność od 2024 roku. Zatrudnia 15 pracowników oraz współpracuje z licznymi specjalistami branżowymi z obszaru energetyki, nowych technologii i transformacji energetycznej. Organizacja posiada doświadczenie w działalności związanej z rozwojem gospodarki wodorowej, komunikacją społeczną dotyczącą nowych technologii energetycznych oraz współpracą pomiędzy sektorem nauki, biznesu i administracji publicznej. Izba zrzesza podmioty reprezentujące sektor energetyczny, przemysłowy, technologiczny oraz badawczo-rozwojowy, co zapewnia dostęp do szerokiego środowiska eksperckiego i praktycznego zaplecza wdrożeniowego. Prowadzi działania edukacyjne, informacyjne i analityczne związane z popularyzacją technologii wodorowych, organizuje konferencje, szkolenia oraz kampanie społeczne. W ramach działalności gromadzone są dane dotyczące postaw społecznych wobec transformacji energetycznej oraz skuteczności działań komunikacyjnych i edukacyjnych. Podmiot zapewnia doktorantowi wsparcie organizacyjne i merytoryczne, dostęp do materiałów analitycznych, wydarzeń branżowych oraz środowiska eksperckiego gospodarki wodorowej. Opiekunem pomocniczym będzie Jerzy Zaremba, posiadający doświadczenie w projektach związanych z edukacją energetyczną, komunikacją społeczną oraz popularyzacją technologii niskoemisyjnych.

Celem naukowym projektu jest opracowanie modelu budowania świadomości społecznej wspierającej rozwój technologii wodorowych oraz diagnozy społecznej gotowości do transformacji energetycznej. Problem badawczy dotyczy identyfikacji czynników wpływających na poziom wiedzy społecznej, akceptację technologii wodorowych oraz odporność społeczeństwa na dezinformację dotyczącą transformacji energetycznej. Projekt zakłada analizę wpływu komunikacji społecznej, edukacji obywatelskiej oraz mediów cyfrowych na postawy społeczne wobec gospodarki wodorowej. Istotnym elementem badań będzie również ocena możliwości wykorzystania narzędzi sztucznej inteligencji do analizy postaw społecznych i wspierania działań edukacyjnych. Hipoteza badawcza zakłada, że możliwe jest opracowanie zintegrowanego modelu komunikacji i edukacji społecznej zwiększającego poziom społecznej gotowości do transformacji energetycznej oraz akceptacji technologii wodorowych.

Maksymalnie siedem (7) wyrażeń oddzielonych przecinkiem. Wyrażenia podane między przecinkami mogą składać się z kilku słów.

Słowa kluczowe:

technologie wodorowe, transformacja energetyczna, świadomość społeczna, komunikacja społeczna, społeczna gotowość transformacyjna, sztuczna inteligencja, dezinformacja

Projekt posiada duże znaczenie naukowe w obszarze nauk socjologicznych, ponieważ dotyczy społecznych aspektów transformacji energetycznej oraz procesów adaptacji społeczeństwa do nowych technologii. Dotychczasowe badania koncentrowały się głównie na technicznych i ekonomicznych stronach rozwoju gospodarki wodorowej, natomiast zagadnienia związane z poziomem świadomości społecznej oraz wpływem komunikacji społecznej na akceptację technologii wodorowych pozostają nadal niewystarczająco rozpoznane. Szczególnie ograniczona jest wiedza dotycząca wpływu mediów cyfrowych, dezinformacji oraz narzędzi sztucznej inteligencji na postawy społeczne wobec nowych technologii energetycznych. Uzasadnieniem podjęcia problemu badawczego jest też rosnące znaczenie technologii wodorowych w transformacji energetycznej oraz potrzeba budowania społecznej akceptacji dla gospodarki niskoemisyjnej. Istotnym wyzwaniem pozostaje identyfikacja czynników wpływających na poziom wiedzy społecznej, zaufanie do technologii oraz odporność społeczną na dezinformację dotyczącą transformacji energetycznej.

Nowatorski charakter projektu wynika z połączenia badań socjologicznych dotyczących świadomości społecznej i komunikacji społecznej z analizą danych cyfrowych oraz wykorzystaniem narzędzi sztucznej inteligencji do monitorowania i analizy postaw społecznych. Projekt zakłada opracowanie modelu społecznej gotowości do transformacji energetycznej oraz narzędzi wspierających budowanie świadomości społecznej dotyczącej technologii wodorowych. Wyniki projektu przyczynią się do rozwoju wiedzy w zakresie socjologii nowych technologii, komunikacji społecznej oraz społecznych aspektów transformacji energetycznej. Rezultaty badań będą również stanowić podstawę dalszych analiz dotyczących społecznej adaptacji do zmian technologicznych, wpływu mediów cyfrowych na procesy kształtowania opinii publicznej oraz wykorzystania sztucznej inteligencji w badaniach społecznych i procesach komunikacji społecznej.

Projekt posiada znaczenie praktyczne nie tylko dla Polskiej Izby Wodoru, ale dla wszystkich podmiotów uczestniczących w procesie transformacji energetycznej. Jego rezultatem będzie opracowanie i wdrożenie systemu wspierania społecznej gotowości do transformacji energetycznej, obejmującego model analizy świadomości społecznej dotyczącej technologii wodorowych, narzędzia monitorowania postaw społecznych oraz rekomendacje w zakresie komunikacji społecznej i edukacji energetycznej. System będzie wykorzystywał elementy analizy danych cyfrowych oraz narzędzia sztucznej inteligencji wspierające identyfikację postaw społecznych, poziomu akceptacji technologii wodorowych oraz zjawisk dezinformacyjnych związanych z transformacją energetyczną. Miejscem wdrożenia będzie Polska Izba Wodoru, która wykorzysta opracowane rozwiązania w działaniach edukacyjnych, informacyjnych i analitycznych realizowanych we współpracy z przedsiębiorstwami sektora energetycznego, jednostkami samorządu terytorialnego oraz środowiskiem naukowym. Opracowany model będzie wspierał planowanie kampanii społecznych, działań edukacyjnych oraz inicjatyw związanych z popularyzacją gospodarki wodorowej i budowaniem społecznej akceptacji dla transformacji energetycznej. Znaczenie projektu dla podmiotu współpracującego wynika z możliwości rozwoju kompetencji organizacji w zakresie wykorzystania nowoczesnych metod analizy danych społecznych, komunikacji społecznej oraz sztucznej inteligencji.

Projekt posiada również istotne znaczenie dla polskiej gospodarki, ponieważ może wspierać rozwój społecznych warunków transformacji energetycznej oraz zwiększenie akceptacji społecznej dla technologii niskoemisyjnych. Wyniki badań mogą zostać wykorzystane przez przedsiębiorstwa, administrację publiczną oraz organizacje branżowe przy projektowaniu działań związanych z transformacją energetyczną, edukacją społeczną i przeciwdziałaniem dezinformacji dotyczącej nowych technologii energetycznych.

Projekt będzie realizowany w etapach. Etap 1 obejmuje analizę stanu wiedzy dotyczącej społecznych aspektów transformacji energetycznej, technologii wodorowych, komunikacji społecznej oraz wykorzystania sztucznej inteligencji w badaniach społecznych. Przeprowadzony zostanie przegląd literatury, analiza modeli komunikacji społecznej oraz opracowanie metodyki badań. Kamień milowy — przygotowanie modelu badawczego i narzędzi badawczych.

Etap 2 obejmuje gromadzenie i przygotowanie danych społecznych. Przeprowadzone zostaną badania ankietowe, wywiady oraz analiza danych pochodzących z mediów cyfrowych i społecznościowych. Celem etapu będzie identyfikacja poziomu świadomości społecznej dotyczącej technologii wodorowych, postaw wobec transformacji energetycznej oraz czynników wpływających na akceptację nowych technologii energetycznych. Kamień milowy — baza danych społecznej gotowości do transformacji energetycznej.

Etap 3 obejmuje analizę czynników wpływających na społeczną gotowość do transformacji energetycznej. Przeprowadzona zostanie analiza zależności pomiędzy poziomem wiedzy społecznej, komunikacją społeczną, dezinformacją oraz postawami wobec technologii wodorowych. Wykorzystane zostaną również narzędzia sztucznej inteligencji do analizy danych cyfrowych i monitorowania postaw społecznych. Kamień milowy — opracowanie zestawu czynników wpływających na poziom społecznej akceptacji technologii wodorowych.

Etap 4 obejmuje opracowanie i weryfikację systemu wspierania społecznej gotowości do transformacji energetycznej. Przygotowane zostaną rekomendacje dotyczące komunikacji społecznej, edukacji energetycznej oraz przeciwdziałania dezinformacji. Opracowany model zostanie zweryfikowany w działaniach Polskiej Izby Wodoru. Kamień milowy — gotowy model komunikacji i edukacji społecznej przygotowany do wdrożenia.

W analizie ryzyka wyróżniono ryzyka naukowe — niewystarczająca liczba danych społecznych oraz trudnościami w identyfikacji zależności pomiędzy analizowanymi czynnikami. Działania mitygujące — rozszerzenie grup badawczych i wykorzystanie różnych metod analizy danych. Ryzyka organizacyjne — opóźnienia w realizacji badań społecznych oraz gromadzeniu danych. Działania mitygujące — etapowa realizacja badań i monitorowanie postępów projektu. Ryzyka technologiczne — ograniczenia związane z analizą danych cyfrowych i wykorzystaniem narzędzi AI. Działania mitygujące — współpraca ze specjalistami z analizy danych i wykorzystanie zweryfikowanych metod analitycznych.

Należy wyraźnie rozdzielić zagadnienia dotyczące aspektów naukowych (z uwzględnieniem planów publikacyjnych) oraz aspektów związanych z przygotowaniem wdrożenia. W każdym semestrze powinna występować działalność naukowa i działalność przygotowująca do wdrożenia. Wersja harmonogramu w postaci indywidualnego planu badawczego (IPB) obowiązująca dla czasu trwania projektu będzie zgłaszana w raporcie po realizacji I roku doktoratu.

Zaplanowano również trzy publikacje naukowe: po drugim semestrze dotyczące społecznych aspektów transformacji energetycznej i technologii wodorowych, po czwartym dotyczące komunikacji społecznej i analizy postaw wobec nowych technologii energetycznych oraz po szóstym dotyczące wykorzystania sztucznej inteligencji w analizie społecznej gotowości do transformacji energetycznej.

Charakterystyka kompetencji naukowych lub artystycznych opiekuna naukowego (promotora) w zakresie tematyki projektu ze szczególnym uwzględnieniem ostatnich 5 lat. (opis powinien uwzględniać najważniejsze publikacje z zakresu tematyki projektu lub/i dzieła artystyczne) (do 1000 znaków ze spacjami)

Profesor Robert Andrzejewski pracuje w Katedrze Socjologii i Komunikacji Społecznej na Wydziale Nauk Społecznych Uniwersytetu Społeczno-Technologicznego. Naukowo koncentruje się na społecznych aspektach transformacji technologicznej, komunikacji społecznej oraz procesach adaptacji społeczeństwa do zmian związanych z rozwojem nowych technologii. Szczególnym obszarem jego zainteresowań są społeczne uwarunkowania transformacji energetycznej, akceptacja innowacji technologicznych, odporność na dezinformację oraz wykorzystanie sztucznej inteligencji w badaniach społecznych. W jego dorobku znajduje się ponad 140 publikacji dotyczących socjologii nowych technologii i komunikacji społecznej. Posiada ponad 1500 cytowań i indeks H=24. Brał udział w licznych projektach badawczych i wdrożeniowych realizowanych we współpracy z administracją publiczną, organizacjami branżowymi i przedsiębiorstwami. Posiada bogate doświadczenie w recenzowaniu prac naukowych oraz kształceniu młodych naukowców.

Opis doświadczenia opiekuna naukowego (promotora) w zakresie współpracy z otoczeniem społeczno-gospodarczym ze szczególnym uwzględnieniem tematyki projektu oraz ostatnich 10 lat. (opis powinien uwzględniać doświadczenie w prowadzeniu prac, w tym rozpraw doktorskich, projektowych, konstrukcyjnych, technologicznych, wdrożeniowych lub artystycznych oraz projekty B+R) (do 1000 znaków ze spacjami).

Prof. Robert Andrzejewski był promotorem 6 rozpraw doktorskich. Posiada wieloletnie doświadczenie w realizacji projektów badawczych i badawczo-wdrożeniowych prowadzonych we współpracy z administracją publiczną, organizacjami branżowymi oraz przedsiębiorstwami sektora nowych technologii. Kierował lub uczestniczył w projektach, w tym dotyczących społecznych aspektów transformacji energetycznej, rozwoju kompetencji cyfrowych społeczeństwa, przeciwdziałania dezinformacji oraz wykorzystania sztucznej inteligencji w analizie procesów społecznych. Współpracuje z jednostkami samorządu terytorialnego, organizacjami pozarządowymi, podmiotami gospodarczymi oraz instytucjami naukowymi. W ramach realizowanych projektów opracowywano modele komunikacji społecznej, strategie edukacyjne oraz narzędzia wspierające procesy transformacyjne. Angażuje się również w działania eksperckie i szkoleniowe związane z komunikacją społeczną, transformacją energetyczną oraz rozwojem społeczeństwa informacyjnego.

Informacje na temat dostosowania programu kształcenia w szkole doktorskiej do założeń Programu „Doktorat wdrożeniowy”. (metody pracy z doktorantem, możliwości jednoczesnej realizacji programu kształcenia i aktywności zawodowej, zgodność czasowa harmonogramu kształcenia z planowanymi do realizacji zadaniami projektu, możliwość indywidualnego toku kształcenia, tutoring, zaliczenie efektów uczenia się egzaminami/szkołami letnimi/certyfikatami, możliwość wyboru przedmiotów, zmniejszenie wymiaru praktyk zawodowych, kształcenie hybrydowe, itp.) (do 500 znaków ze spacjami)

Program SD obejmuje 600 godzin (w tym obieralne), co pozwala na swobodne prowadzenie badań. Zajęcia organizowane są w piątki w godzinach popołudniowych i w soboty, dzięki czemu można je pogodzić z pracą zawodową (opcja zdalna). Istnieje możliwość indywidualnego toku kształcenia oraz zaliczenia na podstawie szkół letnich. W SD realizowane są także działania tutoringowe. Praktyki zawodowe trwają 50 godzin i można zmniejszyć ich wymiar na podstawie certyfikatów.

Informacje na temat wsparcia oferowanego doktorantowi przez Wnioskodawcę, w tym wykorzystanie zasobów na potrzeby realizacji projektu. (infrastruktura, materiały, pomoc metodyczna, środki finansowe) (do 500 znaków ze spacjami)

Uniwersytet dysponuje nowoczesną infrastrukturą badawczą wspierającą realizację badań społecznych, obejmującą oprogramowanie do analiz statystycznych i jakościowych, dostęp do baz naukowych oraz zasobów cyfrowych. Zapewnia doktorantowi wsparcie merytoryczne, metodyczne, organizacyjne i informatyczne. Eksperci z zakresu socjologii, komunikacji społecznej i analizy danych będą wspierać realizację projektu na podstawie doświadczeń uczelni z licznych projektów krajowych i międzynarodowych.

Tak przygotowany wniosek podlega ocenie przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”. Poniżej omówiono poszczególne kryteria oceny, której warunkiem wstępnym jest wdrożeniowy charakter projektu. Jeśli to kryterium nie zostało spełnione, to wniosek zostaje odrzucony i nie podlega dalszej ocenie. Recenzent ocenia zatem:

Czy projekt ma jasno zdefiniowany charakter wdrożeniowy? (Tak/Nie)

Po zakończeniu etapu badawczego projekt zakłada wdrożenie opracowanego „Systemu wspierania społecznej gotowości do transformacji energetycznej” w Polskiej Izbie Wodoru. System będzie obejmował model diagnozy poziomu świadomości społecznej dotyczącej technologii wodorowych, narzędzia monitorowania postaw społecznych oraz rekomendacje wspierające działania edukacyjne i komunikacyjne. W rozwiązaniu wykorzystane zostaną metody analizy danych społecznych, w tym narzędzia sztucznej inteligencji służące do identyfikacji postaw społecznych, analizy sentymentu oraz rozpoznawania zjawisk dezinformacyjnych związanych z transformacją energetyczną. Opracowany system będzie również wspierał podmioty współpracujące z Polską Izbą Wodoru w planowaniu kampanii edukacyjnych, działań informacyjnych oraz inicjatyw służących budowaniu społecznej akceptacji dla technologii wodorowych. Ze względu na rosnące znaczenie transformacji energetycznej oraz konieczność zwiększania świadomości społecznej dotyczącej nowych technologii energetycznych, potencjał wdrożeniowy wyników projektu jest szeroki i obejmuje organizacje branżowe, przedsiębiorstwa sektora energetycznego, jednostki samorządu terytorialnego oraz instytucje publiczne odpowiedzialne za realizację polityk energetycznych i klimatycznych.

Kryterium 1.

Osiągnięcia naukowe lub artystyczne promotora w zakresie tematyki projektu (15 / 15)

Uzasadnienie: Doktorat realizowany jest w dyscyplinie nauki socjologiczne i dotyczy społecznych aspektów transformacji energetycznej, budowania świadomości społecznej oraz akceptacji technologii wodorowych. Opiekun naukowy, prof. Robert Andrzejewski, jest uznanym specjalistą w obszarze socjologii nowych technologii, komunikacji społecznej oraz procesów transformacji społeczno-technologicznych. Jego zainteresowania badawcze obejmują zagadnienia związane ze społeczną adaptacją do zmian technologicznych, komunikacją społeczną, odpornością na dezinformację oraz wykorzystaniem nowoczesnych metod analizy danych w badaniach społecznych. Dorobek naukowy promotora obejmuje liczne publikacje naukowe oraz wystąpienia na konferencjach krajowych i międzynarodowych dotyczące transformacji energetycznej, społeczeństwa informacyjnego i komunikacji społecznej. Profesor aktywnie uczestniczy w realizacji projektów badawczych i badawczo-wdrożeniowych oraz pełni funkcję recenzenta prac naukowych i projektów badawczych, co potwierdza jego ugruntowaną pozycję w środowisku naukowym.

Kryterium 2.

Dokonania promotora w zakresie współpracy z otoczeniem społeczno gospodarczym (10 / 10)

Uzasadnienie: Opiekun naukowy aktywnie współpracuje z otoczeniem społeczno-gospodarczym, w szczególności w obszarze transformacji energetycznej, komunikacji społecznej oraz społecznych aspektów wdrażania nowych technologii. Brał udział w licznych projektach badawczych i badawczo-wdrożeniowych realizowanych we współpracy z administracją publiczną, organizacjami branżowymi, jednostkami samorządu terytorialnego oraz przedsiębiorstwami sektora nowych technologii. Projekty te dotyczyły m.in. społecznej akceptacji innowacji technologicznych, rozwoju kompetencji cyfrowych, przeciwdziałania dezinformacji oraz komunikacji społecznej w procesach transformacyjnych. Dodatkowo pełnił funkcję promotora i recenzenta rozpraw doktorskich oraz uczestniczył w opracowywaniu ekspertyz i rekomendacji dla instytucji publicznych i organizacji gospodarczych, co potwierdza jego doświadczenie we współpracy z otoczeniem społeczno-gospodarczym oraz w kształceniu kadry naukowej.

Kryterium 3.

Naukowe lub artystyczne znaczenie projektu (15 / 15)

Uzasadnienie: Projekt dotyczy obszaru badań nad społecznymi aspektami transformacji energetycznej, w której kluczowe znaczenie mają świadomość społeczna, akceptacja nowych technologii oraz gotowość społeczeństwa do uczestnictwa w procesach transformacyjnych. Szczególnego znaczenia nabierają obecnie technologie wodorowe, stanowiące jeden z filarów gospodarki niskoemisyjnej i polityki klimatycznej. Pomimo intensywnego rozwoju technologicznego nadal niewystarczająco rozpoznane pozostają społeczne uwarunkowania wdrażania technologii wodorowych, wpływ komunikacji społecznej na poziom ich akceptacji oraz oddziaływanie dezinformacji na postawy obywateli. Nowatorski charakter projektu wynika z połączenia klasycznych metod badań socjologicznych z analizą danych cyfrowych oraz wykorzystaniem narzędzi sztucznej inteligencji do monitorowania i interpretacji postaw społecznych. Projekt wpisuje się w aktualne kierunki badań dotyczące transformacji energetycznej, społeczeństwa informacyjnego oraz wykorzystania AI w naukach społecznych. Zaplanowane prace badawcze przyczynią się do rozwoju wiedzy w zakresie socjologii nowych technologii, komunikacji społecznej i społecznej gotowości do transformacji energetycznej, a ich wyniki mogą stanowić podstawę dla dalszych badań interdyscyplinarnych oraz praktycznych działań wspierających wdrażanie innowacyjnych technologii energetycznych.

Kryterium 4.

Sposób zdefiniowania problemu naukowego i projektu wdrożeniowego, metodologia realizacji projektu (20 / 20)

Uzasadnienie: Problem naukowy został sformułowany prawidłowo i dotyczy identyfikacji czynników wpływających na poziom świadomości społecznej, akceptację technologii wodorowych oraz społeczną gotowość do transformacji energetycznej. Projekt uwzględnia aktualne wyzwania związane z wdrażaniem nowych technologii energetycznych, w tym wpływ komunikacji społecznej, mediów cyfrowych oraz dezinformacji na postawy społeczne. Jednocześnie jasno określono cel wdrożeniowy polegający na opracowaniu i wdrożeniu „Systemu wspierania społecznej gotowości do transformacji energetycznej” w Polskiej Izbie Wodoru. Metodyka badań obejmuje kompleksowe podejście, począwszy od analizy literatury i opracowania narzędzi badawczych, poprzez realizację badań ankietowych, wywiadów oraz analizę danych pochodzących z mediów cyfrowych, aż do opracowania i walidacji modelu wdrożeniowego. W projekcie przewidziano wykorzystanie zarówno klasycznych metod badań społecznych, jak i nowoczesnych narzędzi analizy danych, w tym rozwiązań opartych na sztucznej inteligencji. W ramach etapu wdrożeniowego opracowany zostanie system wspierający diagnozę poziomu świadomości społecznej, monitorowanie postaw wobec technologii wodorowych oraz planowanie działań edukacyjnych i komunikacyjnych. Zaproponowana metodologia jest spójna, adekwatna do postawionych celów oraz stwarza realne możliwości osiągnięcia zarówno rezultatów naukowych, jak i wdrożeniowych.

Kryterium 5.

Zakres wsparcia dla doktoranta ze strony wnioskodawcy oraz podmiotu współpracującego — pracodawcy przyszłego doktoranta (10 / 10)

Uzasadnienie: Wnioskodawca dysponuje odpowiednią infrastrukturą badawczą wspierającą realizację badań społecznych, obejmującą specjalistyczne oprogramowanie do analiz statystycznych i jakościowych, dostęp do baz naukowych oraz zasobów cyfrowych niezbędnych do prowadzenia badań w obszarze nauk społecznych. Zadeklarowano również wsparcie merytoryczne ze strony ekspertów z zakresu socjologii, komunikacji społecznej oraz analizy danych, a także zapewnienie warunków organizacyjnych umożliwiających realizację projektu. Podmiot współpracujący – Polska Izba Wodoru – oferuje doktorantowi dostęp do szerokiego środowiska eksperckiego skupiającego przedstawicieli sektora energetycznego, przemysłowego, technologicznego oraz badawczo-rozwojowego. Zapewnia również dostęp do materiałów analitycznych, danych dotyczących postaw społecznych, wydarzeń branżowych oraz kontaktów z interesariuszami gospodarki wodorowej. Wsparcie organizacyjne i merytoryczne ze strony Izby, w połączeniu z potencjałem naukowym wnioskodawcy, stwarza bardzo dobre warunki do realizacji zarówno części badawczej, jak i wdrożeniowej projektu.

Kryterium 6.

Doświadczenie wnioskodawcy w działalności wdrożeniowej ze szczególnym uwzględnieniem wcześniejszego udziału w Programie „Doktorat wdrożeniowy” (5 / 5)

Uzasadnienie: Uniwersytet Społeczno-Technologiczny posiada doświadczenie związane z uczestnictwem w programie. Dotychczas współpraca układała się pozytywnie, wszystkie obowiązki ze strony uczelni realizowane były terminowo. Również raporty dostarczane przez uczelnię były na odpowiednio wysokim poziomie formalnym i merytorycznym.

Kryterium 7.

Wpływ wdrożenia projektu na wybrane sektory gospodarki lub społeczeństwo, w tym znaczenie wdrożenia dla podmiotu współpracującego (15 / 15)

Uzasadnienie: Wdrożenie wyników projektu będzie miało istotny wpływ na proces transformacji energetycznej oraz rozwój gospodarki wodorowej w Polsce. Opracowany „System wspierania społecznej gotowości do transformacji energetycznej” umożliwi skuteczniejszą diagnozę poziomu świadomości społecznej, identyfikację barier związanych z akceptacją nowych technologii oraz planowanie działań edukacyjnych i komunikacyjnych wspierających rozwój technologii wodorowych. Projekt przyczyni się do zwiększenia wiedzy społeczeństwa na temat transformacji energetycznej, ograniczenia wpływu dezinformacji oraz wzrostu społecznej akceptacji dla rozwiązań niskoemisyjnych. Znaczenie projektu wykracza poza sektor gospodarki wodorowej i może obejmować także administrację publiczną, sektor energetyczny, jednostki samorządu terytorialnego oraz organizacje odpowiedzialne za realizację polityk klimatycznych i energetycznych. Wyniki badań mogą wspierać projektowanie skutecznych strategii komunikacyjnych oraz działań edukacyjnych związanych z transformacją energetyczną i bezpieczeństwem energetycznym państwa. Z perspektywy Polskiej Izby Wodoru wdrożenie projektu umożliwi rozwój nowoczesnych narzędzi analitycznych wspierających działalność edukacyjną i ekspercką organizacji. Pozwoli również na skuteczniejsze prowadzenie działań informacyjnych oraz współpracę z przedsiębiorstwami, administracją publiczną i środowiskiem naukowym, wzmacniając pozycję Izby jako ważnego uczestnika procesu transformacji energetycznej w Polsce.

Kryterium 8.

Doświadczenie podmiotu współpracującego we współpracy z podmiotami systemu szkolnictwa wyższego i nauki oraz sektora B+R (10 / 10)

Uzasadnienie: Podmiot współpracujący, Polska Izba Wodoru, posiada doświadczenie we współpracy z uczelniami, jednostkami naukowymi oraz podmiotami sektora badawczo-rozwojowego. W ramach swojej działalności Izba współpracuje z krajowymi i zagranicznymi ośrodkami naukowymi, wspierając inicjatywy związane z rozwojem technologii wodorowych, transformacją energetyczną oraz edukacją społeczną. Organizacja uczestniczy w przedsięwzięciach integrujących środowisko nauki, biznesu i administracji publicznej, w tym konferencjach, projektach eksperckich, działaniach edukacyjnych oraz inicjatywach związanych z rozwojem regionalnych dolin wodorowych. Polska Izba Wodoru angażuje się również w upowszechnianie wyników badań naukowych oraz transfer wiedzy do praktyki gospodarczej. Przedstawiciele Izby aktywnie uczestniczą w wydarzeniach naukowych i branżowych, współpracując z uczelniami oraz instytucjami badawczymi przy realizacji działań związanych z gospodarką wodorową, transformacją energetyczną i rozwojem innowacyjnych technologii.

Podsumowanie oceny

Suma (100 / 100)

Rekomendacja: Pozytywna

Rekomendowany do finansowania: Tak

Uzasadnienie: Projekt został dobrze przygotowany i dotyczy aktualnego oraz istotnego problemu społecznego związanego z transformacją energetyczną i rozwojem technologii wodorowych. Przedstawiona koncepcja badań wpisuje się w strategiczne kierunki rozwoju gospodarki niskoemisyjnej oraz odpowiada na rosnącą potrzebę budowania społecznej gotowości do zmian technologicznych i energetycznych. Projekt łączy klasyczne podejście socjologiczne z nowoczesnymi metodami analizy danych oraz wykorzystaniem narzędzi sztucznej inteligencji, co nadaje mu interdyscyplinarny i nowatorski charakter. Opiekun naukowy posiada odpowiedni dorobek naukowy oraz doświadczenie w realizacji projektów badawczych i badawczo-wdrożeniowych związanych z komunikacją społeczną, transformacją technologiczną i analizą procesów społecznych. Jednostka naukowa dysponuje odpowiednim potencjałem organizacyjnym, metodycznym i kadrowym, zapewniając warunki do prowadzenia badań na wysokim poziomie naukowym. Podmiot współpracujący – Polska Izba Wodoru – zapewnia dostęp do środowiska eksperckiego, szerokiej sieci interesariuszy oraz praktycznych warunków umożliwiających weryfikację i wdrożenie wyników projektu. Opracowany system wspierania społecznej gotowości do transformacji energetycznej posiada wysoki potencjał wdrożeniowy i może znaleźć zastosowanie zarówno w działalności organizacji branżowych, jak i podmiotów sektora energetycznego, administracji publicznej oraz jednostek samorządu terytorialnego. Całość projektu charakteryzuje się wysoką wartością naukową, praktyczną oraz realną możliwością osiągnięcia zakładanych rezultatów badawczych i wdrożeniowych.

Imię i nazwisko: Wojciech Kozłowski

Uczelnia: Uniwersytet Społeczno-Technologiczny

Wydział: Nauk Społecznych

Katedra: Socjologii i Komunikacji Społecznej

Promotor (opiekun naukowy): prof. Robert Andrzejewski

Promotor pomocniczy (pomocniczy opiekun naukowy): dr Joanna Małecka

Informacje dodatkowe: Opiekun pomocniczy — Jerzy Zaremba, podmiot współpracujący — Polska Izba Wodoru

Dyscyplina: Nauki socjologiczne

a) tytuł rozprawy

Model budowania świadomości społecznej wspierającej rozwój technologii wodorowych

b) hipoteza badawcza

Poziom społecznej akceptacji technologii wodorowych oraz gotowości do uczestnictwa w procesach transformacji energetycznej jest zróżnicowany i wynika ze złożonego oddziaływania czynników społecznych, edukacyjnych, komunikacyjnych i technologicznych. Kształtowanie postaw społecznych wobec nowych technologii energetycznych pozostaje w znacznym stopniu uzależnione od poziomu wiedzy obywateli, jakości komunikacji społecznej, zaufania do instytucji publicznych oraz wpływu mediów cyfrowych i zjawisk dezinformacyjnych. Jednocześnie postęp technologii wodorowych oraz rosnące znaczenie transformacji energetycznej powodują potrzebę lepszego zrozumienia mechanizmów wpływających na społeczną gotowość do zmian technologicznych i energetycznych. Równolegle rozwój metod analizy danych społecznych oraz narzędzi sztucznej inteligencji stwarza możliwość identyfikacji czynników determinujących poziom świadomości społecznej, akceptacji nowych technologii oraz odporności na dezinformację. Możliwe jest zatem opracowanie modelu budowania świadomości społecznej wspierającego rozwój technologii wodorowych oraz systemu wspierania społecznej gotowości do transformacji energetycznej, umożliwiającego skuteczniejsze planowanie działań edukacyjnych, informacyjnych i komunikacyjnych.

c) uzasadnienie wyboru tematu, cel i metodyka badań

Transformacja energetyczna stanowi jedno z najważniejszych wyzwań społecznych, gospodarczych i technologicznych XXI wieku. W obliczu zmian klimatycznych, konieczności ograniczania emisji gazów cieplarnianych oraz potrzeby zwiększania bezpieczeństwa energetycznego państw i regionów szczególnego znaczenia nabiera rozwój technologii umożliwiających budowę gospodarki niskoemisyjnej. Wśród nich istotną rolę odgrywają technologie wodorowe, które postrzegane są jako jeden z kluczowych elementów wspierających dekarbonizację przemysłu, energetyki oraz transportu. Dynamiczny rozwój gospodarki wodorowej powoduje, że coraz większego znaczenia nabierają nie tylko zagadnienia techniczne i ekonomiczne, lecz również społeczne uwarunkowania wdrażania nowych technologii. Doświadczenia związane z wdrażaniem innowacji technologicznych wskazują, że sukces transformacji energetycznej zależy nie tylko od dostępności rozwiązań technicznych, ale również od poziomu akceptacji społecznej, zaufania do instytucji oraz gotowości obywateli do uczestniczenia w procesach zmian. W przypadku technologii wodorowych obserwowane są znaczące różnice w poziomie wiedzy społecznej, postrzeganiu bezpieczeństwa technologii oraz gotowości do akceptacji inwestycji związanych z gospodarką wodorową. Dodatkowym wyzwaniem staje się rosnący wpływ mediów cyfrowych oraz zjawisk dezinformacyjnych, które mogą kształtować postawy społeczne niezależnie od rzeczywistego poziomu wiedzy na temat nowych technologii energetycznych. Pomimo rosnącego znaczenia społecznych aspektów transformacji energetycznej nadal brakuje narzędzi umożliwiających kompleksową diagnozę poziomu społecznej gotowości do transformacji energetycznej oraz skuteczne planowanie działań edukacyjnych i komunikacyjnych wspierających rozwój gospodarki wodorowej. Dotychczasowe badania koncentrowały się przede wszystkim na aspektach technologicznych i ekonomicznych, podczas gdy zagadnienia związane z budowaniem świadomości społecznej, odpornością na dezinformację oraz wykorzystaniem nowoczesnych narzędzi analitycznych pozostają niewystarczająco rozpoznane. Szczególnie istotna wydaje się potrzeba opracowania rozwiązań pozwalających na monitorowanie postaw społecznych oraz identyfikację czynników wpływających na poziom akceptacji technologii wodorowych.

Celem planowanych badań jest identyfikacja czynników determinujących poziom świadomości społecznej i akceptacji technologii wodorowych, opracowanie modelu budowania świadomości społecznej wspierającej rozwój technologii wodorowych oraz stworzenie systemu wspierania społecznej gotowości do transformacji energetycznej. Projekt zakłada również ocenę możliwości wykorzystania metod analizy danych oraz narzędzi sztucznej inteligencji w diagnozie postaw społecznych i projektowaniu działań edukacyjnych oraz komunikacyjnych.

Realizacja powyższych celów będzie przebiegać etapowo. W pierwszym etapie przeprowadzony zostanie przegląd krajowej i międzynarodowej literatury naukowej dotyczącej transformacji energetycznej, społecznej akceptacji nowych technologii, komunikacji społecznej oraz wykorzystania sztucznej inteligencji w badaniach społecznych. Równocześnie opracowana zostanie metodologia badań obejmująca dobór zmiennych badawczych oraz wskaźników społecznej gotowości do transformacji energetycznej.

Kolejny etap obejmie realizację badań empirycznych z wykorzystaniem metod ilościowych i jakościowych. Przeprowadzone zostaną badania ankietowe, wywiady pogłębione oraz analiza danych pochodzących z mediów cyfrowych i społecznościowych. Zebrane dane umożliwią identyfikację poziomu wiedzy społecznej dotyczącej technologii wodorowych, ocenę stopnia akceptacji nowych technologii energetycznych oraz określenie wpływu czynników społecznych, edukacyjnych i komunikacyjnych na procesy transformacyjne.

Następnie przeprowadzona zostanie analiza zgromadzonych danych z wykorzystaniem metod statystycznych oraz narzędzi sztucznej inteligencji wspierających analizę sentymentu, identyfikację dominujących narracji społecznych oraz rozpoznawanie zjawisk dezinformacyjnych. Na podstawie uzyskanych wyników opracowany zostanie model społecznej gotowości do transformacji energetycznej oraz zestaw rekomendacji dotyczących działań edukacyjnych, informacyjnych i komunikacyjnych.

Ostatni etap projektu obejmie opracowanie, wdrożenie i weryfikację „Systemu wspierania społecznej gotowości do transformacji energetycznej” w działalności Polskiej Izby Wodoru. System będzie wspierał monitorowanie postaw społecznych, planowanie kampanii edukacyjnych oraz ocenę skuteczności działań komunikacyjnych realizowanych przez organizację. Zwieńczeniem projektu będzie ocena efektywności opracowanego rozwiązania oraz przygotowanie rekomendacji umożliwiających jego wykorzystanie przez organizacje branżowe, przedsiębiorstwa sektora energetycznego, administrację publiczną oraz inne podmioty zaangażowane w proces transformacji energetycznej.

d) przewidywane wyniki prac i ich znaczenie i wpływ dla nauki i społeczeństwa

Przeprowadzone badania umożliwią osiągnięcie zakładanych celów naukowych projektu, w szczególności związanych z identyfikacją czynników wpływających na poziom świadomości społecznej dotyczącej technologii wodorowych oraz społeczną gotowość do transformacji energetycznej. W toku realizacji pracy zgromadzony zostanie zbiór danych obejmujący wyniki badań ankietowych, wywiadów oraz analiz danych pochodzących z mediów cyfrowych i społecznościowych. Dane te pozwolą na określenie poziomu wiedzy społecznej dotyczącej gospodarki wodorowej, identyfikację czynników wpływających na akceptację technologii wodorowych oraz ocenę wpływu komunikacji społecznej i zjawisk dezinformacyjnych na postawy obywateli. Jednym z kluczowych rezultatów projektu będzie opracowanie modelu społecznej gotowości do transformacji energetycznej oraz stworzenie „Systemu wspierania społecznej gotowości do transformacji energetycznej”. Rozwiązanie to umożliwi monitorowanie zmian postaw społecznych, identyfikację obszarów wymagających działań edukacyjnych oraz wspieranie procesów komunikacyjnych związanych z wdrażaniem technologii wodorowych. Istotnym elementem projektu będzie również opracowanie rekomendacji dla organizacji branżowych, przedsiębiorstw, administracji publicznej oraz instytucji edukacyjnych dotyczących budowania świadomości społecznej i przeciwdziałania dezinformacji w obszarze transformacji energetycznej. Znaczenie proponowanych badań dla rozwoju nauki przejawia się przede wszystkim w pogłębieniu wiedzy dotyczącej społecznych uwarunkowań transformacji energetycznej, akceptacji nowych technologii oraz procesów kształtowania postaw społecznych wobec innowacji technologicznych. Opracowany model społecznej gotowości do transformacji energetycznej może stanowić podstawę dalszych badań z zakresu socjologii nowych technologii, komunikacji społecznej oraz wykorzystania sztucznej inteligencji w badaniach społecznych. Projekt wpisuje się tym samym w aktualne kierunki rozwoju nauk społecznych związane z analizą procesów transformacyjnych oraz relacji pomiędzy społeczeństwem a nowymi technologiami.

Wpływ projektu na gospodarkę i społeczeństwo będzie miał charakter wielowymiarowy. Wyniki badań mogą zostać wykorzystane przez organizacje branżowe, przedsiębiorstwa sektora energetycznego, jednostki samorządu terytorialnego oraz administrację publiczną przy planowaniu działań związanych z transformacją energetyczną. Opracowane rozwiązania przyczynią się do zwiększenia skuteczności komunikacji społecznej, wzrostu poziomu wiedzy obywateli oraz budowania społecznej akceptacji dla technologii niskoemisyjnych. W rezultacie realizacji projektu możliwe będzie stworzenie modelu wspierającego świadome uczestnictwo społeczeństwa w procesach transformacji energetycznej oraz zwiększenie efektywności działań związanych z rozwojem gospodarki wodorowej w Polsce.

Zaplanowano również trzy publikacje naukowe: po drugim semestrze dotyczące społecznych aspektów transformacji energetycznej i technologii wodorowych, po czwartym dotyczące komunikacji społecznej i analizy postaw wobec nowych technologii energetycznych oraz po szóstym dotyczące wykorzystania sztucznej inteligencji w analizie społecznej gotowości do transformacji energetycznej.

W projekcie przewidziano opublikowanie trzech artykułów naukowych w czasopismach punktowanych znajdujących się na liście MNiSW (minimum 70 punktów), odpowiednio po drugim, czwartym i szóstym semestrze. Planowany jest też udział w trzech konferencjach naukowych z posterami lub referatami.

Planowane jest złożenie rozprawy doktorskiej we wrześniu 2028.

Nie dotyczy.

W programie przewidziano raportowanie roczne, a zatem każdy Doktorant zobowiązany jest do przygotowania raportów ze swoich prac po każdym kolejnym roku realizacji projektu. Raport ten oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Pierwszy, drugi i trzeci rok działalności Doktoranta kończy zestaw dokumentów z raportem i opiniami opiekunów oraz ocena tego materiału. Po czwartym roku przygotowywany jest raport końcowy — również przedstawiony na końcu modelu przygotowanego dla inżynierii mechanicznej. Tutaj szczególnie ważna jest konieczność przedstawienia deklaracji złożenia rozprawy doktorskiej.

Rozprawa doktorska została złożona w wymaganym terminie. Skan pierwszej strony rozprawy przedstawiono poniżej.

Raport końcowy jest ostatnim przygotowywanym przez Doktoranta i dostarczanym wraz z opiniami opiekunów. Dotyczy on całości projektu (wszystkich lat), a nie tylko ostatniego roku. Raport ten również oceniany jest przez zespół doradczy ds. Programu „Doktorat wdrożeniowy”, na podstawie oceny przygotowanej przez Recenzenta. Przykładowe dokumenty w tej materii zamieszczono na końcu modelu przygotowanego dla inżynierii mechanicznej. Dokumenty te traktować należy jako poglądowe, pokazujące jakie elementy w raportach są niezbędne. Treści zawarte w raportach przedstawionych w tym opracowaniu są również przykładowe i mogą wykazywać odstępstwa od poglądów naukowych innych badaczy.

Taki komplet raportów i ocena zamykają cały okres działalności Doktoranta. Jednocześnie jest to koniec pracy eksperta z zespołu doradczego ds. Programu „Doktorat wdrożeniowy” nad tym konkretnym projektem. Zespół nie zajmuje się bowiem oceną rozpraw doktorskich, wyznaczanie recenzentów i cała reszta procedury należy do właściwych Rad Dyscyplin.

Jak wspomniano przedstawiony zestaw ma pomóc w przygotowaniu wniosku i raportów oraz pokazać jakie elementy i w jaki sposób są w nich oceniane. Odpowiada też na wielokrotnie formułowane zarzuty przez wnioskujących, że wyznaczona liczba znaków jest za mała i w żaden sposób nie można się w niej zmieścić. Liczba ta jest odpowiednia przy syntetycznym i zwięzłym wyrażaniu myśli, co w pewien sposób wymusza, dla komfortu pracy zespołu. Co prawda w formularzu wniosku jest opcja Załączniki, ale powinny być one wykorzystywane w wyjątkowych sytuacjach, na przykład jeśli ktoś zamierza współpracę naukowo — przemysłową podeprzeć jakimś listem intencyjnym (ale w przypadku ogólnym nie jest to konieczne). Unikać należy traktowania załącznika jako pola do uzupełniania tego, na co nie znajdzie się miejsce w formularzu. Taką zasadę przyjęto m.in. aby każdy z wnioskodawców miał jednakowe szanse i dlatego każdy musi się zmieścić w wyznaczonej liczbie znaków — podobnie jak w wielu innych wnioskach np. o dofinansowanie.

Oczywiście każdy pisany wniosek i raport są trochę inne. Każdy zawiera unikalny pomysł na badania i wdrożenie, każdy wyraża też odmienny charakter osoby go przygotowującej. A poza tym — chociaż zespół przedstawione wnioski i raporty ocenia wspólnie na podstawie referowania przez konkretnego recenzenta — każdy człowiek (w tym recenzent) jest trochę inny i może zwrócić uwagę na inne aspekty projektu. Dlatego przedstawione modele mogą i mają posłużyć jako wzory, pozwalające osobom niewtajemniczonym lepiej zrozumieć naturę i wymagania programu.

Wśród przedstawionych modeli najobszerniejszym jest ten dotyczący inżynierii mechanicznej. Pozostałe mają mniej rozbudowane sekcje dotyczące raportów rocznych i końcowych. Jest to związane z faktem, że najwięcej problemów i niezgodności w stosunku do wymagań programu obserwuje się na etapie przygotowania wniosków, dlatego temu poświęciliśmy szczególną uwagę. W przypadku raportów, jeśli wniosek jest prowadzony poprawnie, na ogół sytuacji spornych i wątpliwych nie ma, najczęstszą uwagą w stosunku do pierwszych raportów rocznych jest ich nadmierna lakoniczność, co zmienia się na lepsze w kolejnych latach.

Poniżej przedstawiono założenia metodyczne służące jako podstawa do opracowania statystycznego. Podstawą opracowania były surowe dane dotyczące projektów otrzymane z Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB). Zestawienie danych z Programu „Doktorat wdrożeniowy” zawiera informacje dotyczące realizowanych projektów w ramach tego programu. Obejmuje szczegółowe dane na temat liczby zaakceptowanych projektów w poszczególnych edycjach oraz analizuje, które uczelnie i instytuty PAN prowadzą największą liczbę tych projektów. Zawiera również informacje geograficzne, takie jak lokalizacja uczelni oraz podmiotów współpracujących przy realizacji projektów, branże reprezentowane przez te podmioty, a także dane o liderach w realizacji projektów oraz firmach zaangażowanych w program. Zestawienie uwzględnia również dane o płci wnioskujących oraz analizę dziedzin i dyscyplin naukowych, do których należą projekty. Dodatkowo, zawiera szczegóły dotyczące najczęściej powtarzających się słów kluczowych związanych z projektami. Dane z edycji 1-7 pozyskano w jednym pliku z OPI, a następnie otrzymano dane jedynie z edycji nr 8 w trochę innym ujęciu, stąd też nie wszystkie analizy mogły być analizowane wspólnie, a część danych zaprezentowana jest jedynie dla edycji 1-7. Wskaźniki i podrozdziały, w których zawarto ich prezentację.

W poniższej tabeli przedstawiono liczbę zaakceptowanych przez Ministerstwo Nauki i Szkolnictwa Wyższego projektów w kolejnych edycjach Programu „Doktorat wdrożeniowy”.

Wykres 4.1Liczba zaakceptowanych projektów w podziale na edycje

385

461

364

588

476

440

167

171

1<br>(2017)

2 (2018)

3 (2019)

4 (2020)

5 (2021)

6 (2022)

7 (2023)

8 (2024)

Tabela przedstawia liczbę zaakceptowanych projektów w ramach programu w poszczególnych edycjach od 2017 do 2024 roku. Łącznie w ciągu ośmiu lat zatwierdzono 3052 projekty. Liczba zaakceptowanych projektów była zmienna, jednak do 2020 roku utrzymywała się na stosunkowo wysokim poziomie. Program rozpoczął się w 2017 roku z liczbą 385 zatwierdzonych projektów, a w 2018 roku nastąpił wyraźny wzrost do 461. W 2019 roku liczba ta spadła do 364, ale już w 2020 roku odnotowano najwyższą liczbę zaakceptowanych projektów w całym okresie – 588. Od 2021 roku rozpoczął się trend spadkowy. W 2021 roku zaakceptowano 476 projektów, w 2022 roku – 440, a w 2023 roku – zaledwie 167, co stanowi najniższy wynik spośród wszystkich edycji. Ten ostatni spadek jest szczególnie istotny, ponieważ oznacza niemal trzykrotny spadek w porównaniu do rekordowego 2020 roku. W ostatnim roku 2024 zaakceptowano 171 projektów.

Poniżej przedstawiono tabelę, zawierającą uczelnie i uczestników programu.

Poniżej przedstawiono wykres odzwierciedlający liczbę uczestników programu w podziale na uczelnie, z uwzględnieniem tylko tych, które miały więcej niż 50 uczestników. Łącznie zestawiono dane dla 13 uczelni, wśród których zdecydowanie dominują politechniki oraz uczelnie techniczne. Najwięcej uczestników programu pochodziło z Politechniki Śląskiej, która zgromadziła 470 uczestników. Na kolejnych miejscach znalazły się: Akademia Górniczo- Hutnicza im. Stanisława Staszica w Krakowie – 387 uczestników oraz Politechnika Warszawska – 372 uczestników. Wysoką frekwencją wyróżniły się również: Politechnika Wrocławska (199), Politechnika Gdańska (126) i Politechnika Poznańska (124). Kolejno znaczną liczbę uczestników posiada Politechnika Krakowska im. Tadeusza Kościuszki (99) i Politechnika Łódzka (94). Uniwersytety klasyczne znalazły się na końcu zestawienia – Uniwersytet Ekonomiczny we Wrocławiu (60), Uniwersytet Jagielloński w Krakowie (56), Uniwersytet im. Adama Mickiewicza w Poznaniu (53) oraz Śląski Uniwersytet Medyczny w Katowicach i Uniwersytet Śląski w Katowicach (52).

Wykres 4.2Liczba uczestników w podziale na uczelnię dla uczelni posiadającej powyżej 50 uczestników

Politechnika Śląska

470

Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

387

Politechnika Warszawska

372

Politechnika Wrocławska

199

Politechnika Gdańska

126

Politechnika Poznańska

124

Politechnika Krakowska im. Tadeusza Kościuszki

99

Politechnika Łódzka

94

Uniwersytet Ekonomiczny we Wrocławiu

60

Uniwersytet Jagielloński w Krakowie

56

Uniwersytet im. Adama Mickiewicza w Poznaniu

53

Śląski Uniwersytet Medyczny w Katowicach

52

Uniwersytet Śląski w Katowicach

52

Wykres 4.3Liczba uczestników w podziale na uczelnię dla uczelni posiadającej od 21 do 49 uczestników

Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

49

Politechnika Rzeszowska im. Ignacego Łukasiewicza

49

Uniwersytet Warszawski

49

Politechnika Opolska

43

Uniwersytet Przyrodniczy we Wrocławiu

42

Uniwersytet Łódzki

42

Szkoła Główna Handlowa w Warszawie

41

Uniwersytet Przyrodniczy w Poznaniu

34

Uniwersytet Mikołaja Kopernika w Toruniu

33

Akademia Wsb

28

Instytut Maszyn Przepływowych im. Roberta Szewalskiego Polskiej Akademii Nauk

25

Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego

25

Uniwersytet Przyrodniczy w Lublinie

24

Instytut Niskich Temperatur i Badań Strukturalnych im. Włodzimierza Trzebiatowskiego Polskiej Akademii Nauk

23

Uniwersytet Ekonomiczny w Poznaniu

23

Uniwersytet Wrocławski

23

Wykres przedstawia liczbę uczestników programu w podziale na uczelnie i instytucje naukowe, które zgromadziły od 21 do 49 uczestników.

W zestawieniu ujęto 16 podmiotów, w tym zarówno uniwersytety, politechniki, jak i instytuty badawcze. Najwięcej uczestników w tej grupie pochodziło z Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie, Politechniki Rzeszowskiej oraz Uniwersytetu Warszawskiego – 49 osób. W zakresie 41-43 osób posiadają cztery uczelnie: Politechnika Opolska, Uniwersytet Przyrodniczy we Wrocławiu, Uniwersytet Łódzki oraz Szkoła Główna Handlowa w Warszawie. Nieco mniej uczestników miały: Uniwersytet Przyrodniczy w Poznaniu (34) i Uniwersytet Mikołaja Kopernika w Toruniu (33). Kolejno 28 uczestników posiada Akademia WSB.

Wykres 4.4Liczba uczestników w podziale na uczelnię dla uczelni posiadającej od 1 do 20 uczestników

Politechnika Białostocka

19

Uniwersytet Medyczny im. Karola Marcinkowskiego w Poznaniu

19

Uniwersytet Medyczny w Łodzi

19

Instytut Podstawowych Problemów Techniki Polskiej Akademii Nauk

16

Uniwersytet Warmińsko-Mazurski w Olsztynie

15

Politechnika Świętokrzyska

14

Uniwersytet Szczeciński

14

Warszawski Uniwersytet Medyczny

14

Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie

14

Akademia Leona Koźmińskiego w Warszawie

11

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

11

Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich

10

Uniwersytet Gdański

10

Gdański Uniwersytet Medyczny

9

Instytut Agrofizyki im. Bohdana Dobrzańskiego Polskiej Akademii Nauk

9

Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk

9

Instytut Metalurgii i Inżynierii Materiałowej im. Aleksandra Krupkowskiego Polskiej Akademii Nauk

9

Polsko-Japońska Akademia Technik Komputerowych

9

Swps uniwersytet humanistycznospołeczny z siedzibą w warszawie

8

Uniwersytet Kazimierza Wielkiego w Bydgoszczy

7

Instytut Immunologii i Terapii Doświadczalnej im. Ludwika Hirszfelda Polskiej Akademii Nauk

5

Uniwersytet Zielonogórski

5

Akademia Sztuk Pięknych im. Eugeniusza Gepperta we Wrocławiu

4

Instytut Badań Systemowych Polskiej Akademii Nauk

4

Instytut Genetyki Człowieka Polskiej Akademii Nauk

4

Politechnika Lubelska

4

Uniwersytet Marii Curie-Skłodowskiej w Lublinie

4

Uniwersytet Medyczny im. Piastów Śląskich we Wrocławiu

4

Uniwersytet Medyczny w Lublinie

4

Politechnika Częstochowska

3

Uniwersytet Jana Kochanowskiego w Kielcach

3

Instytut Chemii Fizycznej Polskiej Akademii Nauk

3

W grupie od 23 do 25 uczestników znalazły się takie uczelnie jak: Wojskowa Akademia Techniczna, Instytut Maszyn Przepływowych PAN, Uniwersytet Przyrodniczy w Lublinie, Instytut Niskich Temperatur i Badań Strukturalnych, Instytut Chemii Fizycznej Polskiej Akademii Nauk Uniwersytet Ekonomiczny w Poznaniu i Uniwersytet Wrocławski. Najliczniejszą reprezentację (po 19 uczestników) miały: Politechnika Białostocka, Uniwersytet Medyczny im. Karola Marcinkowskiego w Poznaniu oraz Uniwersytet Medyczny w Łodzi. Instytut Podstawowych Problemów Techniki PAN posiada 16 uczestników. Wysoki udział odnotowano także w Uniwersytecie Warmińsko-Mazurskim w Olsztynie (15 osób) oraz w kilku uczelniach liczących po 14 uczestników, m.in. Uniwersytecie Szczecińskim, Warszawskim Uniwersytecie Medycznym, Uniwersytecie Rolniczym im. Hugona Kołłątaja w Krakowie oraz Politechnice Świętokrzyskiej. W grupie 9–11 osób znalazły się m.in. Uniwersytet Gdański, Gdański Uniwersytet Medyczny, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Akademia Leona Koźmińskiego oraz kilka instytutów Polskiej Akademii Nauk. Z kolei najmniejszą liczbę uczestników (3–5 osób) miały m.in. Instytut Chemii Fizycznej PAN, Uniwersytet Jana Kochanowskiego w Kielcach, Politechnika Częstochowska oraz Uniwersytet Zielonogórski.

Podsumowując Program „Doktorat wdrożeniowy” cieszył się największym zainteresowaniem wśród studentów uczelni technicznych i politechnik – co wiąże się bezpośrednio z jego profilem praktycznym i inżynierskim. Uniwersytety medyczne, przyrodnicze i ekonomiczne również wykazały znaczące zaangażowanie, choć w mniejszym zakresie. Obecność instytutów naukowych PAN oraz uczelni artystycznych pokazuje, że program ma charakter interdyscyplinarny i otwarty. Obecność jednostek z niemal całej Polski (od dużych miast akademickich po mniejsze ośrodki) dowodzi, że program ma szeroki zasięg geograficzny i nie jest ograniczony jedynie do czołowych uczelni.

Poniżej zaprezentowano podział uczelni i liczby uczestników wg województw.

Wykres 4.5Lista uczelni i instytutów PAN, które realizują najwięcej projektów

śląskie

605

małopolskie

574

mazowieckie

563

dolnośląskie

360

wielkopolskie

257

pomorskie

170

łódzkie

155

zachodniopomorskie

63

kujawsko-pomorskie

50

podkarpackie

49

lubelskie

45

opolskie

43

podlaskie

19

świętokrzyskie

17

warmińsko-mazurskie

15

lubuskie

5

Mapa 4.1Lista uczelni i instytutów PAN, które realizują najwięcej projektów

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

Dane przedstawiają liczbę uczestników programu w podziale na województwa, ukazując znaczne zróżnicowanie regionalne. Najwięcej uczestników pochodziło z województwa śląskiego, które zgromadziło 605 osób. Niewiele mniej osób wzięło udział z województwa małopolskiego (574) oraz mazowieckiego (563), co wskazuje na szczególnie wysoką aktywność w tych regionach. Znaczący udział odnotowano również w województwie dolnośląskim (360) oraz wielkopolskim (257). W średnim zakresie liczby uczestników znalazły się województwa pomorskie (170) i łódzkie (155), natomiast poniżej 100 uczestników odnotowano w województwach takich jak zachodniopomorskie (63), kujawsko-pomorskie (50), podkarpackie (49), lubelskie (45) i opolskie (43). Najmniejsze zaangażowanie wykazały województwa podlaskie (19), świętokrzyskie (17), warmińsko-mazurskie (15) oraz lubuskie, które z liczbą 5 uczestników znalazło się na ostatnim miejscu zestawienia. Taki rozkład liczby uczestników sugeruje, że program cieszył się największym zainteresowaniem w regionach z dużymi ośrodkami akademickimi i przemysłowymi, podczas gdy mniejsze województwa, zwłaszcza na wschodzie i północy kraju, wykazywały niższą aktywność. Może to wynikać zarówno z różnic w potencjale edukacyjnym, jak i dostępie do informacji lub specyfice lokalnych uczelni.

Rozkład liczby uczestników programu w podziale na województwa – od bardzo wysokiego w regionach takich jak śląskie, małopolskie czy mazowieckie, po bardzo niski w województwach jak lubuskie, warmińsko-mazurskie czy świętokrzyskie – nie jest przypadkowy. Można wskazać kilka kluczowych przyczyn, które mogą tłumaczyć te różnice:

1. Liczba i wielkość uczelni wyższych

Województwa o najwyższym udziale (śląskie, małopolskie, mazowieckie, wielkopolskie, dolnośląskie) to regiony z największymi i najbardziej rozwiniętymi ośrodkami akademickimi w Polsce. Znajdują się tam uczelnie o profilu technicznym, medycznym i uniwersyteckim o dużej liczbie studentów i pracowników naukowych. Przykładowo:

• –Śląskie: Politechnika Śląska, Uniwersytet Śląski,
• –Małopolskie: AGH, Uniwersytet Jagielloński,
• –Mazowieckie: Politechnika Warszawska, UW,
• –Dolnośląskie: Politechnika Wrocławska, Uniwersytet Wrocławski,
• –Wielkopolskie: Politechnika Poznańska, UAM.

Te instytucje naturalnie generują większą liczbę potencjalnych uczestników programu.

2. Charakter programu – prawdopodobnie techniczny lub praktyczny

Program „Doktorat wdrożeniowy” nastawiony jest na rozwój kompetencji inżynierskich, technologicznych, cyfrowych lub przedsiębiorczych, to naturalnie silniej rezonował z uczelniami technicznymi i politechnikami, które dominują właśnie w największych ośrodkach. Mniejsze województwa często mają uczelnie o bardziej regionalnym profilu lub specjalizujące się w naukach społecznych i pedagogicznych, co może nie współgrać z tematyką programu.

3. Dostęp do informacji i sieci akademickich

W dużych ośrodkach akademickich istnieją lepsze struktury informacyjne, biura karier, działy promocji projektów, samorządy studenckie i organizacje, które skutecznie rozprowadzają informacje o dostępnych inicjatywach. W mniejszych uczelniach kanały te mogą być słabsze, a promocja programu mniej intensywna lub niepriorytetowa.

4. Aktywność kadry i instytucji lokalnych

Programy ogólnopolskie często opierają się na współpracy z uczelniami-partnerami. Tam, gdzie lokalna kadra akademicka była bardziej zaangażowana w jego promowanie, efekty były większe. Brak silnego lokalnego lidera projektu w mniejszych województwach mógł przełożyć się na niską liczbę uczestników.

5. Czynniki społeczno-gospodarcze

Regiony o wyższym poziomie urbanizacji, inwestycji w edukację i gospodarki opartej na wiedzy (np. Warszawa, Kraków, Wrocław, Poznań, Katowice) częściej uczestniczą w projektach rozwojowych. Województwa wschodnie i północno-zachodnie (np. lubuskie, warmińsko- mazurskie, świętokrzyskie) cechują się niższą gęstością uczelni, mniejszymi miastami akademickimi i mniejszym dostępem do kapitału społecznego, co może wpływać na niższy poziom zaangażowania.

6. Efekt rekomendacji i sieci kontaktów

Jeśli program był dobrze oceniany przez uczestników z czołowych uczelni w pierwszych edycjach, mogło to stworzyć efekt kuli śnieżnej – rekomendacje, wzrost zainteresowania i większy napływ chętnych z tych samych uczelni i regionów w kolejnych latach.

Rozkład liczby uczestników odzwierciedla przede wszystkim dostępność i potencjał instytucjonalny uczelni w danym regionie, profil tematyczny programu, siłę promocji i zaangażowanie lokalne, a także czynniki demograficzne i gospodarcze. Wskazuje to na potrzebę bardziej zróżnicowanej strategii informacyjnej i rekrutacyjnej, jeśli celem programu ma być bardziej równomierne dotarcie do studentów z całej Polski.

Poniższa tabela prezentuje liczbę zakwalifikowanych uczestników według edycji i płci.

Wykres 4.6Liczba uczestników zakwalifikowanych do programu według płci, w podziale na edycje (bez braków danych typu płeć)

115

270

110

350

93

269

156

429

140

335

148

292

59

108

57

114

1<br>(2017)

2 (2018)

3 (2019)

4 (2020)

5 (2021)

6 (2022)

7 (2023)

8 (2024)

Wykres 4.7Liczba uczestników zakwalifikowanych do programu według płci, w podziale na edycje (bez braków danych typu płeć)

1 · 2017

30%

70%

2 (2018

24%

76%

3 (2019

26%

74%

4 (2020

27%

73%

5 (2021

29%

71%

6 (2022

34%

66%

7 (2023

35%

65%

8 (2024

33%

67%

Na podstawie danych przedstawiających liczbę uczestników programu według płci w latach 2017–2024 można zaobserwować wyraźne różnice między udziałem kobiet a mężczyzn. W każdym roku mężczyźni stanowili większość uczestników programu. W 2017 roku udział kobiet wynosił 115 osób, podczas gdy mężczyzn było 270. W kolejnych edycjach ta różnica utrzymywała się na podobnym poziomie – w 2018 roku udział kobiet lekko spadł do 110, a liczba mężczyzn wzrosła do 350. W 2019 roku kobiety stanowiły 93 osoby, a mężczyźni 269. Rok 2020 przyniósł zarówno wzrost ogólnej liczby uczestników, jak i wzrost liczby kobiet – do 156, ale nadal dominowali mężczyźni (429). W 2021 i 2022 roku liczba kobiet wynosiła odpowiednio 140 i 148, natomiast liczba mężczyzn – 335 i 292. W edycji w 2023 roku uczestniczyło tylko 59 kobiet i 108 mężczyzn, co oznacza znaczny spadek dla obu grup, ale szczególnie widoczny u mężczyzn. Podobnie sytuacja kształtowała się w roku kolejnym: 57 kobiet i 114 mężczyzn. W sumie, w latach 2017–2023 w programie wzięło udział 878 kobiet i 2167 mężczyzn, co oznacza, że kobiety stanowiły około 30% uczestników, a mężczyźni 70%. Taki rozkład sugeruje wyraźną przewagę mężczyzn we wszystkich edycjach programu i może być podstawą do dalszej analizy barier lub różnic w zainteresowaniu programem między płciami.

Wykres ten pokazuje kilka istotnych elementów, wśród których warto zwrócić uwagę na następujące:

• –wzrost uczestników do szczytu w 2020 r. (588 osób),
• –następnie stopniowy spadek, aż do najniższej liczby w 2023 r. (167 osób).

Wykres 4.8Wykres trendu liczby uczestników programu w kolejnych latach

Powyżej zaprezentowano wykres liniowy przedstawiający trend liczby uczestników w latach 2017–2024.

Podsumowując w latach 2017–2024 liczba uczestników programu zmieniała się dynamicznie. Program rozpoczął się w 2017 roku z liczbą 385 uczestników, a już w 2018 roku odnotowano wzrost do 461 osób. W kolejnym roku, 2019, nastąpił spadek do 364 uczestników. W 2020 roku program osiągnął szczyt popularności, przyciągając aż 588 osób – najwięcej w całym analizowanym okresie. W latach 2021 i 2022 liczba uczestników stopniowo malała, odpowiednio do 476 i 440. Natomiast w 2023 roku odnotowano drastyczny spadek do 167 osób, co stanowi najniższy wynik w całym siedmioletnim okresie. W kolejnym roku było niewiele więcej uczestników, bo 171.

Warto też wspomnieć, że spadek rocznej liczby przyznawanych doktoratów wynikał z określenia łącznej kwoty dofinansowania, jaką Ministerstwo Nauki i Szkolnictwa Wyższego zdecydowało się przeznaczyć na nowe wnioski. Decyzja ta podniosła pułap punktowy, jaki wnioski muszą osiągnąć, aby uzyskać dofinansowanie.

Tabela przedstawiająca dziedziny nauki wraz z liczbą realizowanych projektów dla edycji 1–8 w podziale na edycje została przedstawiona poniżej.

Wykres 4.9Liczba uczestników w podziale na dziedziny nauki (bez „braków danych”)

Dziedzina nauk inżynieryjno-technicznych

1 418

Dziedzina nauk technicznych

564

Dziedzina nauk ścisłych i przyrodniczych

311

Dziedzina nauk społecznych

267

Dziedzina nauk rolniczych

130

Dziedzina nauk medycznych i nauk o zdrowiu

100

Dziedzina nauk ekonomicznych

70

Dziedzina nauk chemicznych

65

Dziedzina nauk medycznych

37

Dziedzina nauk humanistycznych

26

Dziedzina nauk fizycznych

20

Dziedzina nauk o Ziemi

17

Dziedzina nauk farmaceutycznych

13

Dziedzina nauk biologicznych

12

Dziedzina nauk matematycznych

6

Dziedzina sztuki

4

Dziedzina sztuk plastycznych

4

Dziedzina nauk prawnych

3

Poniżej pogrupowano obszary zgodnie z obowiązującym obecnie podziałem na dziedziny.

Wykres 4.10Liczba uczestników w podziale na dziedziny nauki (bez „braków danych”)

Dziedzina nauk inżynieryjno-technicznych (w tym technicznych do 2 edycji)

1 978

Dziedzina nauk ścisłych i przyrodniczych (dziedzina nauk o Ziemi, matematycznych, fizycznych, chemicznych, biologicznych do 2 edycji)

429

Dziedzina nauk społecznych (w tym prawnych, ekonomicznych do 2 edycji)

339

Dziedzina nauk medycznych i nauk o zdrowiu (w tym medyznych, farmaceutycznych do 2 edycji)

150

Dziedzina nauk rolniczych

130

Dziedzina nauk humanistycznych

26

Dziedzina sztuki (dziedzina sztuk plastycznych do 2 edycji)

8

Dane przedstawiają liczbę uczestników programu według dziedziny nauki i pokazują wyraźną dominację kierunków technicznych i ścisłych. Największą grupę stanowili uczestnicy reprezentujący dziedzinę nauk inżynieryjno-technicznych – aż 1978 osób, co stanowi zdecydowaną większość, co potwierdza dominację kierunków o charakterze praktycznym i technologicznym. Duży udział miały również nauki ścisłe i przyrodnicze (429 uczestników) oraz nauki społeczne (339), które jako jedyne spośród kierunków nieinżynieryjnych przekroczyły próg 200 uczestników. Znaczący udział miały także nauki rolnicze (130 osoby) oraz dziedzina nauk medycznych i nauk o zdrowiu (150 osób), co wskazuje na zainteresowanie także obszarami związanymi z biotechnologią, zdrowiem i przyrodą. Najmniej licznie reprezentowane były nauki humanistyczne (26) oraz dziedzina sztuki (4). Liczba uczestników w podziale na dziedziny nauki (bez „braków danych”)

Wykres 4.11Dziedziny nauki, do których należą realizowane doktoraty, a płeć wnioskujących

Dziedzina nauk inżynieryjno-technicznych (w tym technicznych do 2 edycji)

384

1 594

Dziedzina nauk ścisłych i przyrodniczych (dziedzina nauk o Ziemi, matematycznych, fizycznych, chemicznych, biologicznych do 2 edycji)

184

245

Dziedzina nauk społecznych (w tym prawnych, ekonomicznych do 2 edycji)

131

208

Dziedzina nauk medycznych i nauk o zdrowiu (w tym medyznych, farmaceutycznych do 2 edycji)

88

62

Dziedzina nauk rolniczych

72

58

Dziedzina nauk humanistycznych

16

10

Dziedzina sztuki (dziedzina sztuk plastycznych do 2 edycji)

6

2

Z danych wynika, że w każdej dziedzinie dominowali mężczyźni, choć udział kobiet był istotny w kilku obszarach. Największą liczbę uczestników odnotowano w dziedzinie nauk inżynieryjno-technicznych (obejmującej także nauki techniczne w pierwszych edycjach), gdzie wzięło udział łącznie 1978 osób, w tym 1594 mężczyzn i 384 kobiety. Mimo wyraźnej przewagi mężczyzn, liczba kobiet w tej dziedzinie również była znacząca. Drugą najliczniejszą dziedziną były nauki ścisłe i przyrodnicze, które zgromadziły 429 osób – 245 mężczyzn i 184 kobiet. W tej grupie odnotowano jeden z najwyższych względnych udziałów kobiet. W naukach społecznych (w tym prawnych i ekonomicznych do 2. edycji) uczestniczyło 339 osób, z czego 131 to kobiety, a 208 mężczyźni. Dziedziny medyczne i nauki o zdrowiu (łącznie z medycznymi i farmaceutycznymi z pierwszych edycji) miały łącznie 150 uczestników – 88 kobiet i 62 mężczyzn – co czyni tę dziedzinę jedyną, w której kobiety liczebnie przewyższały mężczyzn. W naukach rolniczych również odnotowano silny udział kobiet: 72 kobiety wobec 58 mężczyzn, co stanowi drugą dziedzinę z przewagą kobiet. W dziedzinach humanistycznych oraz sztuki (obejmującej sztuki plastyczne) udział kobiet był umiarkowany (odpowiednio 16 i 6 kobiet), ale nadal wyższy niż liczba mężczyzn (10 i 2).

Wnioski

• –Najwięcej uczestników reprezentowało dziedziny techniczne i ścisłe, jednak tylko ok. 19% uczestników techniczno-inżynieryjnych stanowiły kobiety, co wskazuje na dużą dysproporcję płci.
• –Dziedziny takie jak medycyna, rolnictwo, humanistyka i sztuka charakteryzują się relatywnie wyższym udziałem kobiet.
• –Widać wyraźnie, że struktura uczestników odzwierciedla klasyczne wzorce wyboru kierunków studiów przez kobiety i mężczyzn, ale również pokazuje, że kobiety coraz częściej angażują się w dziedziny ścisłe i techniczne.

Tabela poniżej prezentuje dyscypliny, z których wywodzili się uczestnicy w zależności od kolejnej edycji programu.

Poniżej przedstawiono podział uczestników dla edycji od 1 do 8 z uwagi na nowe nazewnictwo dyscyplin od roku 2022 z uwzględnieniem podziału i nazewnictwa obowiązującego w latach 2011-2018 oraz 2018-2022. Na mocy Rozporządzenia Ministra Edukacji i Nauki z dnia 11 października 2022 r. w sprawie dziedzin nauki i dyscyplin naukowych oraz dyscyplin artystycznych utrzymano dwustopniowy podział na dziedziny i dyscypliny. Rozporządzanie weszło w życie 11 listopada 2022 r. Rozporządzenie wprowadziło nową dziedzinę i dyscyplinę nauk o rodzinie oraz dyscyplinę nauk biblijnych. Osobną dziedziną stały się ponownie nauki weterynaryjne, a w dziedzinie nauk inżynieryjno-technicznych do grupy „automatyka, elektronika, elektrotechnika” dołączono „technologie kosmiczne”.

1. Dziedzina nauk humanistycznych

• –archeologia
• –etnologia i antropologia kulturowa
• –filozofia
• –historia
• –językoznawstwo
• –literaturoznawstwo
• –nauki o kulturze i religii
• –nauki o sztuce
• –polonistyka

2. Dziedzina nauk inżynieryjno-technicznych

• –architektura i urbanistyka
• –automatyka, elektronika, elektrotechnika i technologie kosmiczne
• –informatyka techniczna i telekomunikacja
• –inżynieria bezpieczeństwa
• –inżynieria biomedyczna
• –inżynieria chemiczna
• –inżynieria lądowa, geodezja i transport
• –inżynieria materiałowa
• –inżynieria mechaniczna
• –inżynieria środowiska, górnictwo i energetyka
• –ochrona dziedzictwa i konserwacja zabytków

3. Dziedzina nauk medycznych i nauk o zdrowiu

• –biologia medyczna
• –nauki farmaceutyczne
• –nauki medyczne
• –nauki o kulturze fizycznej
• –nauki o zdrowiu

4. Dziedzina nauk o rodzinie

• –nauki o rodzinie

5. Dziedzina nauk rolniczych

• –nauki leśne
• –rolnictwo i ogrodnictwo
• –technologia żywności i żywienia
• –zootechnika i rybactwo

6. Dziedzina nauk społecznych

• –ekonomia i finanse
• –geografia społeczno-ekonomiczna i gospodarka przestrzenna
• –nauki o bezpieczeństwie
• –nauki o komunikacji społecznej i mediach
• –nauki o polityce i administracji
• –nauki o zarządzaniu i jakości
• –nauki prawne
• –nauki socjologiczne
• –pedagogika
• –prawo kanoniczne
• –psychologia
• –stosunki międzynarodowe

7. Dziedzina nauk ścisłych i przyrodniczych

• –astronomia
• –biotechnologia
• –informatyka
• –matematyka
• –nauki biologiczne
• –nauki chemiczne
• –nauki fizyczne
• –nauki o Ziemi i środowisku

8. Dziedzina nauk teologicznych

• –nauki biblijne
• –nauki teologiczne

9. Dziedzina nauk weterynaryjnych

• –weterynaria

10. Dziedzina sztuki

• –sztuki filmowe i teatralne
• –sztuki muzyczne
• –sztuki plastyczne i konserwacja dzieł sztuki

1. Dziedzina nauk humanistycznych

• –archeologia
• –filozofia
• –historia
• –językoznawstwo
• –literaturoznawstwo
• –nauki o kulturze i religii
• –nauki o sztuce

2. Dziedzina nauk inżynieryjno-technicznych

• –architektura i urbanistyka
• –automatyka, elektronika i elektrotechnika
• –informatyka techniczna i telekomunikacja
• –inżynieria biomedyczna
• –inżynieria chemiczna
• –inżynieria lądowa i transport
• –inżynieria materiałowa
• –inżynieria mechaniczna
• –inżynieria środowiska, górnictwo i energetyka

3. Dziedzina nauk medycznych i nauk o zdrowiu

• –nauki farmaceutyczne
• –nauki medyczne
• –nauki o kulturze fizycznej
• –nauki o zdrowiu

4. Dziedzina nauk rolniczych

• –nauki leśne
• –rolnictwo i ogrodnictwo
• –technologia żywności i żywienia
• –weterynaria
• –zootechnika i rybactwo

5. Dziedzina nauk społecznych

• –ekonomia i finanse
• –geografia społeczno-ekonomiczna i gospodarka przestrzenna
• –nauki o bezpieczeństwie
• –nauki o komunikacji społecznej i mediach
• –nauki o polityce i administracji
• –nauki o zarządzaniu i jakości
• –nauki prawne
• –nauki socjologiczne
• –pedagogika
• –prawo kanoniczne
• –psychologia

6. Dziedzina nauk ścisłych i przyrodniczych

• –astronomia
• –informatyka
• –matematyka
• –nauki biologiczne
• –nauki chemiczne
• –nauki fizyczne
• –nauki o Ziemi i środowisku

7. Dziedzina nauk teologicznych

• –nauki teologiczne

8. Dziedzina sztuki

• –sztuki filmowe i teatralne
• –sztuki muzyczne
• –sztuki plastyczne i konserwacja dzieł sztuki

1. Obszar nauk humanistycznych

Dziedzina nauk humanistycznych

• –archeologia
• –bibliologia i informatologia
• –etnologia
• –filozofia
• –historia
• –historia sztuki
• –językoznawstwo
• –kulturoznawstwo
• –literaturoznawstwo
• –nauki o rodzinie
• –nauki o sztuce
• –nauki o zarządzaniu
• –religioznawstwo

Dziedzina nauk teologicznych

2. Obszar nauk społecznych

Dziedzina nauk społecznych

• –nauki o bezpieczeństwie
• –nauki o obronności
• –nauki o mediach
• –nauki o polityce
• –nauki o polityce publicznej
• –nauki o poznaniu i komunikacji społecznej
• –pedagogika
• –psychologia
• –socjologia

Dziedzina nauk ekonomicznych

• –ekonomia
• –finanse
• –nauki o zarządzaniu
• –towaroznawstwo

Dziedzina nauk prawnych

• –nauki o administracji
• –prawo
• –prawo kanoniczne

3. Obszar nauk ścisłych

Dziedzina nauk matematycznych

• –matematyka
• –informatyka

Dziedzina nauk fizycznych

• –astronomia
• –biofizyka
• –fizyka
• –geofizyka

Dziedzina nauk chemicznych

• –biochemia
• –biotechnologia
• –chemia
• –ochrona środowiska
• –technologia chemiczna

4. Obszar nauk przyrodniczych

Dziedzina nauk biologicznych

• –biochemia
• –biofizyka
• –biologia
• –biotechnologia
• –ekologia
• –mikrobiologia
• –ochrona środowiska

Dziedzina nauk o Ziemi

• –geofizyka
• –geografia
• –geologia
• –oceanologia

5. Obszar nauk technicznych

Dziedzina nauk technicznych

• –architektura i urbanistyka
• –automatyka i robotyka
• –biocybernetyka i inżynieria biomedyczna
• –biotechnologia
• –budowa i eksploatacja maszyn
• –budownictwo
• –energetyka
• –geodezja i kartografia
• –górnictwo i geologia inżynierska
• –informatyka
• –inżynieria chemiczna
• –inżynieria materiałowa
• –inżynieria produkcji
• –inżynieria rolnicza
• –inżynieria środowiska
• –mechanika
• –metalurgia
• –technologia chemiczna
• –telekomunikacja
• –transport
• –włókiennictwo

6. Obszar nauk rolniczych, leśnych i weterynaryjnych

Dziedzina nauk rolniczych

• –agronomia
• –biotechnologia
• –inżynieria rolnicza
• –ochrona i kształtowanie środowiska
• –ogrodnictwo
• –rybactwo
• –technologia żywności i żywienia
• –zootechnika

Dziedzina nauk leśnych

• –drzewnictwo
• –leśnictwo

Dziedzina nauk weterynaryjnych

7. Obszar nauk medycznych i nauk o zdrowiu

• –biologia medyczna
• –medycyna
• –stomatologia

Dziedzina nauk farmaceutycznych

Dziedzina nauk o zdrowiu

Dziedzina nauk o kulturze fizycznej

8. Obszar sztuki

Dziedzina sztuk filmowych

Dziedzina sztuk muzycznych

• –dyrygentura
• –instrumentalistyka
• –kompozycja i teoria muzyki
• –reżyseria dźwięku
• –rytmika i taniec
• –wokalistyka

Dziedzina sztuk plastycznych

• –sztuki piękne
• –sztuki projektowe
• –konserwacja i restauracja dzieł sztuki

Dziedzina sztuk teatralnych

Nazwy dyscyplin z przyporządkowaną nazwą dziedziny naukowej

Poniżej zaprezentowano podział i liczbę uczestników dla poszczególnych dziedzin nauki.

Wykres 4.12Liczba uczestników dla dziedziny nauk humanistycznych (edycja 2-8)

Nauki o sztuce

8

Nauki o kulturze i religii

6

Językoznawstwo

3

Literaturoznawstwo

3

Historia

2

Archeologia

1

Filozofia

1

Kulturoznawstwo

1

Etnologia i antropologia kulturowa

1

W dziedzinie nauk humanistycznych udział uczestników rozkłada się nierównomiernie pomiędzy poszczególne dyscypliny. Najmniejszym zainteresowaniem cieszyły się archeologia, filozofia, etnologia i antropologia kulturowa oraz kulturoznawstwo, z których każda przyciągnęła tylko po 1 uczestniku. Nieco większe zainteresowanie wzbudziła historia, reprezentowana przez 2 osoby. Średnim poziomem zainteresowania cieszyły się językoznawstwo oraz literaturoznawstwo, które zgromadziły po 3 uczestników. Nieco więcej uczestników wybrało jednak nauki o kulturze i religii oraz nauki o sztuce – po 6 osób w każdej z tych dyscyplin, co wskazuje na ich relatywnie dużą popularność w porównaniu z pozostałymi kierunkami w ramach humanistyki. Nauki o sztuce reprezentowane są przez 8 uczestników.

Wykres 4.13Liczba uczestników dla dziedziny nauk inżynieryjno-technicznych (w tym nauk technicznych) – edycja 1-8

Inżynieria mechaniczna

343

Inżynieria materiałowa

290

Inżynieria środowiska, górnictwo i energetyka

229

Informatyka techniczna i telekomunikacja

167

Automatyka, elektronika i elektrotechnika

159

Inżynieria chemiczna

130

Budowa i eksploatacja maszyn

78

Inżynieria lądowa i transport

75

Technologia chemiczna

69

Automatyka i robotyka

52

Energetyka

41

Mechanika

34

Inżynieria biomedyczna

33

Elektronika

28

Automatyka, elektronika, elektrotechnika i technologie kosmiczne

27

Górnictwo i geologia inżynierska

27

Inżynieria środowiska

21

Telekomunikacja

21

Metalurgia

20

Inżynieria lądowa, geodezja i transport

19

Architektura i urbanistyka

18

Inżynieria produkcji

10

Elektrotechnika

7

Transport

6

Biocybernetyka i inżynieria biomedyczna

4

Budownictwo

4

W dziedzinie nauk inżynieryjno-technicznych liczba uczestników była bardzo zróżnicowana w zależności od wybranej dyscypliny. Łącznie w zestawieniu uwzględniono 1912 uczestników, reprezentujących 26 dyscyplin. Najliczniej reprezentowaną dyscypliną jest inżynieria mechaniczna, w której odnotowano 343 uczestników. Kolejne miejsca zajmują inżynieria materiałowa (290 uczestników) oraz inżynieria środowiska, górnictwo i energetyka (229 uczestników). Wysoką liczbą uczestników charakteryzują się również informatyka techniczna i telekomunikacja (167 osób) oraz automatyka, elektronika i elektrotechnika (159 osób), co wskazuje na duże zainteresowanie nowoczesnymi technologiami i systemami technicznymi. Średnią liczebnością cechują się takie dyscypliny jak inżynieria chemiczna (130), budowa i eksploatacja maszyn (78), inżynieria lądowa i transport (75) oraz technologia chemiczna (69). Grupa ta stanowi istotną część wszystkich uczestników i odzwierciedla stabilne zainteresowanie klasycznymi kierunkami inżynierskimi. Mniej licznie reprezentowane są dyscypliny takie jak automatyka i robotyka (52), energetyka (41), mechanika (34) czy inżynieria biomedyczna (33). Najmniejsze grupy uczestników występują w obszarach biocybernetyki i inżynierii biomedycznej oraz budownictwa (po 4 osoby), a także transportu (6 osób) i elektrotechniki (7 osób). Wyniki te pokazują wyraźne preferencje kandydatów wobec praktycznych i szeroko wykorzystywanych w przemyśle kierunków technicznych.

Wykres 4.14Liczba uczestników dla dziedziny nauk ścisłych i przyrodniczych (w tym nauk biologicznych, chemicznych, fizycznych, matematycznych, o Ziemi) – edycja 1-8

Nauki chemiczne

187

Informatyka

104

Chemia

60

Nauki fizyczne

37

Nauki biologiczne

33

Nauki o Ziemi i środowisku

31

Biotechnologia

18

Fizyka

18

Geologia

10

Matematyka

4

Biochemia

3

Geofizyka

3

Astronomia

2

Geografia

2

Oceanologia

2

Biologia

1

Zestawienie przedstawia strukturę uczestników według dyscyplin należących do obszaru nauk ścisłych i przyrodniczych. Największy udział mają nauki chemiczne, które skupiają 187 uczestników. Dużą reprezentację odnotowano również w informatyce (104 osoby) oraz w chemii (60 osób), co potwierdza wysokie zainteresowanie tymi dziedzinami. Umiarkowaną liczbą uczestników charakteryzują się nauki fizyczne (37 osób), nauki biologiczne (33 osoby) oraz nauki o Ziemi i środowisku (31 osób). Mniejsze grupy tworzą przedstawiciele biotechnologii i fizyki (po 18 uczestników) oraz geologii (10 uczestników). Najrzadziej reprezentowane są dyscypliny takie jak biologia, astronomia, geografia, oceanologia, biochemia, geofizyka i matematyka, w których liczba uczestników nie przekracza kilku osób. Dane wskazują na wyraźne dysproporcje w liczebności pomiędzy poszczególnymi dyscyplinami.

Wykres 4.15Liczba uczestników dla dziedziny nauk medycznych i nauk o zdrowiu (edycja 1-8)

Nauki medyczne

63

Nauki farmaceutyczne

31

Biologia medyczna

21

Medycyna

16

Nauki o zdrowiu

5

Nauki o kulturze fizycznej

1

W dziedzinie nauk medycznych i nauk o zdrowiu liczba uczestników poszczególnych dyscyplin była bardzo zróżnicowana. Najmniej osób zdecydowało się na nauki o kulturze fizycznej, które wybrała tylko 1 osoba, a także na nauki o zdrowiu, które zgromadziły 5 uczestników. Większym zainteresowaniem cieszyła się biologia medyczna, wybrana przez 21 osób. Jeszcze więcej uczestników przyciągnęły nauki farmaceutyczne, które zgromadziły 31 osób. Największą popularnością w tej grupie cieszyły się jednak nauki medyczne, które wybrało 63 uczestników, co czyni je najczęściej wybieraną dyscypliną w ramach nauk medycznych i nauk o zdrowiu.

Wykres 4.16Liczba uczestników dla dziedziny nauk rolniczych (edycja 1-8)

Technologia żywności i żywienia

56

Rolnictwo i ogrodnictwo

24

Zootechnika i rybactwo

17

Nauki leśne

10

Agronomia

5

Ogrodnictwo

2

W dziedzinie nauk rolniczych zainteresowanie uczestników rozłożyło się nierównomiernie pomiędzy poszczególne dyscypliny. Najmniej osób wybrało ogrodnictwo (2), agronomię (5) i nauki leśne – 10 uczestników, a nieco więcej zootechnikę i rybactwo, którą wskazało 17 osób. Większym zainteresowaniem cieszyło się rolnictwo i ogrodnictwo, które zgromadziło 24 uczestników. Najwięcej osób wybrało jednak technologię żywności i żywienia – 56 uczestników, co czyni ją najbardziej popularną dyscypliną w tej grupie. Wyniki te pokazują, że kierunki związane z przetwórstwem i jakością żywności przyciągają obecnie największą uwagę wśród nauk rolniczych.

Wykres 4.17Liczba uczestników dla dziedziny nauk społecznych (edycja 1-8)

Nauki o zarządzaniu i jakości

187

Ekonomia

38

Ekonomia i finanse

24

Nauki o zarządzaniu

23

Nauki prawne

18

Nauki o polityce i administracji

9

Finanse

9

Nauki socjologiczne

8

Nauki o bezpieczeństwie

8

Psychologia

8

Geografia społeczno-ekonomiczna i gospodarka przestrzenna

5

Prawo

3

Pedagogika

2

Nauki o komunikacji społecznej i mediach

2

Socjologia

2

Dane zawarte w tabeli prezentują rozkład liczby uczestników pomiędzy dyscypliny zaliczane do nauk społecznych, ekonomicznych i prawnych. Łączna liczba osób ujętych w zestawieniu wynosi 346, przy czym widoczne są znaczące różnice w skali reprezentacji poszczególnych obszarów. Największą grupę stanowią przedstawiciele nauk o zarządzaniu i jakości, których liczba wynosi 187 osób. Dyscyplina ta wyraźnie dominuje nad pozostałymi. Kolejne miejsca zajmują ekonomia (38 uczestników), ekonomia i finanse (24 uczestników) oraz nauki o zarządzaniu (23 uczestników), co potwierdza istotną rolę zagadnień ekonomicznych i menedżerskich. Pozostałe dyscypliny charakteryzują się znacznie mniejszą liczebnością. Nauki prawne obejmują 18 uczestników, natomiast takie obszary jak psychologia, nauki socjologiczne, nauki o bezpieczeństwie, finanse oraz nauki o polityce i administracji reprezentowane są przez grupy liczące od 8 do 9 osób. Najniższe wartości odnotowano w przypadku pedagogiki, socjologii oraz nauk o komunikacji społecznej i mediach, a także w prawie i geografii społeczno-ekonomicznej i gospodarce przestrzennej.

Wykres 4.18Liczba uczestników dla dziedziny weterynarii (edycja 4-8)

Liczba uczestników

13

W grupie dziedziny nauk weterynaryjnych mamy jedynie 13 uczestników z edycji 3, 4, 5.

Wykres 4.19Liczba uczestników dla dziedziny sztuki (edycja 2, 5, 6, 8)

Sztuki plastyczne i konserwacja dzieł sztuki

3

Sztuki piękne

2

Sztuki projektowe

2

Sztuki filmowe i teatralne

1

Podsumowując wszystkie dziedziny sumaryczna liczba uczestników jest następująca:

Wykres 4.20Najbardziej popularne dyscypliny naukowe edycji 1-8

Inżynieria mechaniczna

343

Inżynieria materiałowa

290

Inżynieria środowiska, górnictwo i energetyka

229

Nauki chemiczne

187

Nauki o zarządzaniu i jakości

187

Informatyka techniczna i telekomunikacja

167

Automatyka, elektronika i elektrotechnika

159

Inżynieria chemiczna

130

Informatyka

104

Budowa i eksploatacja maszyn

78

Zdecydowanie największy udział mają nauki inżynieryjno-techniczne, które skupiają 1912 uczestników, co potwierdza ich dominującą pozycję. Kolejnymi pod względem liczebności obszarami są nauki ścisłe i przyrodnicze (515 uczestników) oraz nauki społeczne (346 uczestników). Znacznie mniejszą reprezentację odnotowano w naukach medycznych i o zdrowiu (137 uczestników) oraz naukach rolniczych (114 uczestników). Pozostałe obszary, takie jak nauki humanistyczne, nauki weterynaryjne oraz sztuka, obejmują jedynie niewielką liczbę uczestników, nieprzekraczającą kilkudziesięciu osób. Uzyskane dane wskazują na wyraźną przewagę obszarów technicznych i ścisłych nad pozostałymi dziedzinami nauki.

Zestawienie słów kluczowych projektu

Dane wejściowe zawierają 15437 słów kluczowych. Ze względu na bardzo obszerną liczbę słów kluczowych poniżej przedstawiono w tabeli 80 rekordów prezentując słowa kluczowe, które pojawiły się we wnioskach od 10 powtórzeń.

Wykres 4.21Najczęściej występujące słowa kluczowe (od 20x)

Sztuczna inteligencja

132

Uczenie maszynowe

131

Optymalizacja

90

Recykling

38

Bezpieczeństwo

36

Energetyka

36

Sieci neuronowe

35

Modelowanie

33

Data science

32

Druk 3d

32

Korozja

31

Zarządzanie

30

Kompozyty

29

Zrównoważony rozwój

29

Odnawialne źródła energii

28

Analiza danych

25

Automatyzacja

25

Diagnostyka

25

Pojazdy szynowe

24

Przemysł 4.0

24

Zarządzanie projektami

24

Mikrostruktura

23

Przetwarzanie języka naturalnego

22

Efektywność energetyczna

21

Polimery

21

Wodór

20

W zestawieniu słów kluczowych najczęściej pojawiają się tematy związane z nowoczesnymi technologiami i przetwarzaniem danych. Uczenie maszynowe (131 wystąpień) oraz sztuczna inteligencja (132) wyraźnie dominują, co wskazuje na silne zainteresowanie zagadnieniami z zakresu AI i automatyzacji. Na trzecim miejscu znajduje się optymalizacja (90), również szeroko stosowana w inżynierii, informatyce i zarządzaniu procesami. Kolejne pozycje należą do zagadnień z obszaru zrównoważonego rozwoju i nowoczesnego przemysłu, takich jak recykling (38), bezpieczeństwo (36), energetyka (36), sieci neuronowe (35), modelowanie (33) czy data science (32) bądź korozja (31). Popularność zyskują też technologie przemysłowe, m.in. druk 3D (32).

Dalsza część listy wskazuje na istotne zainteresowanie tematami zarządczymi i środowiskowymi: zarządzanie (30), zrównoważony rozwój, kompozyty (29), odnawialne źródła energii (28). Na podobnym poziomie znajdują się pojęcia techniczne takie jak automatyzacja, przemysł 4.0, a także analiza danych, diagnostyka, pojazdy szynowe i zarządzanie projektami (25-24). Listę zamykają specjalistyczne zagadnienia, m.in. mikrostruktura (23), przetwarzanie języka naturalnego (22) oraz efektywność energetyczna (21), które choć mniej liczne, również świadczą o aktualności podejmowanych tematów. W ostatnim czasie na znaczeniu nabierają zagadnienia związane z polimerami i wodorem.

Całość pokazuje duże zainteresowanie nowoczesnymi technologiami, przemysłem przyszłości, analizą danych i zagadnieniami zrównoważonego rozwoju.

Biorąc pod uwagę jak na przestrzeni kolejnych edycji wyglądała częstotliwość pojawiania się poszczególnych słów kluczowych można obserwować zainteresowanie uczestników Programu „Doktorat wdrożeniowy” w kolejnych edycjach. Do analizy wykorzystano 10 najczęściej pojawiających się słów kluczowych.

Wykres 4.22Występowanie słowa kluczowego „sztuczna inteligencja” w kolejnych edycjach

7

5

12

34

21

28

12

13

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.23Występowanie słowa kluczowego „uczenie maszynowe” w kolejnych edycjach

12

11

12

31

24

21

9

11

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Liczba doktoratów wdrożeniowych z zakresu sztucznej inteligencji oraz uczenia maszynowego (z udziałem słów kluczowych „sztuczna inteligencja” oraz „uczenie maszynowe”) rosła od pierwszych edycji programu, osiągając najwyższy poziom w edycji czwartej. Po tym szczycie obserwowane są wahania, jednak w kolejnych edycjach zainteresowanie tematyką AI oraz uczenia maszynowego utrzymuje się na wyraźnie wysokim poziomie, co potwierdza rosnące znaczenie w doktoratach wdrożeniowych.

Wykres 4.24Występowanie słowa kluczowego „recykling” w kolejnych edycjach

1

2

0

11

9

8

6

1

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.25Występowanie słowa kluczowego „bezpieczeństwo” w kolejnych edycjach

1

3

7

8

7

7

0

3

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.26Występowanie słowa kluczowego „energetyka” w kolejnych edycjach

10

8

4

10

4

0

0

0

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.27Występowanie słowa kluczowego „sieci neuronowe” w kolejnych edycjach

1

2

8

8

6

7

2

1

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.28Występowanie słowa kluczowego „modelowanie” w kolejnych edycjach

4

10

5

3

4

3

1

3

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.29Występowanie słowa kluczowego „data science” w kolejnych edycjach

18

10

0

3

1

0

0

0

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Wykres 4.30Występowanie słowa kluczowego „druk 3D” w kolejnych edycjach

3

2

7

6

8

1

4

1

Edycja 1

Edycja 2

Edycja 3

Edycja 4

Edycja 5

Edycja 6

Edycja 7

Edycja 8

Zestawienie podmiotów (pracodawców), w których realizowany jest doktorat wdrożeniowy

W ciągu realizacji całego programu, zdecydowana większość podmiotów była wskazywana jedynie przez pojedynczych uczestników, co uniemożliwiło budowę wskaźnika nr 10 dla edycji 1-4. Z uwagi na różnice w formie zapisów, takie jak dodatkowe spacje, znaki specjalne czy różne formaty adresów, nazwy podmiotów zostały ujednolicone na podstawie danych o siedzibie oraz numerze NIP, a w przypadku wątpliwości posiłkowano się informacjami z rejestrów POL-on oraz GUS.

Najaktywniejsze podmioty współpracujące przedstawiono w tabeli poniżej.

Wykres 4.31Podmioty (przedsiębiorcy) posiadające najwięcej uczestników programu (ponad 5)

Główny Urząd Miar

21

Sieć Badawcza Łukasiewicz - Instytut Metali Nieżelaznych

18

Polski koncern naftowy orlen spółka akcyjna z siedzibą w płocku

15

Sieć Badawcza Łukasiewicz - Instytut Mikroelektroniki i Fotoniki

14

Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny

14

Sieć Badawcza Łukasiewicz - Instytut Lotnictwa

13

Sieć Badawcza Łukasiewicz - PORT Polski Ośrodek Rozwoju Technologii

10

Celon pharma s.a.

9

Sieć Badawcza Łukasiewicz - Instytut Ciężkiej Syntezy Organicznej "blachownia"

9

Sieć Badawcza Łukasiewicz - Krakowski Instytut Technologiczny

8

Nokia solutions and networks sp. z o.o.

7

Ponar wadowice s.a.

7

Atos poland global services sp. z o. o.

6

Atos poland r&d sp. z o. o.

6

General electric company polska sp. z o.o

6

Grupa azoty zakłady azotowe kędzierzyn s.a.

6

Hutchinson poland sp. z o.o.

6

Instytut Techniki Górniczej Komag

6

Nexteer automotive poland sp. z o.o.

6

Ośrodek Przetwarzania Informacji - Państwowy Instytut Badawczy

6

Pit-radwar s.a.

6

Ryvu therapeutics s.a.

6

Sieć Badawcza Łukasiewicz - Instytut Ceramiki i Materiałów Budowlanych

6

Sieć Badawcza Łukasiewicz – Instytut Metalurgii Żelaza im. Stanisława Staszica

6

W zestawieniu podmiotów powtarzających się więcej niż 5 razy dominują instytuty badawcze, zwłaszcza wchodzące w skład Sieci Badawczej Łukasiewicz, co świadczy o ich kluczowej roli w krajowym ekosystemie badań i rozwoju. Najczęściej występującymi jednostkami są Główny Urząd Miar (21 doktorantów), Instytut Metali Nieżelaznych (18), PKN ORLEN (15), Instytut Mikroelektroniki i Fotoniki oraz Poznański Instytut Technologiczny (po 14) i Instytut Lotnictwa (13). Znaczący udział mają również podmioty przemysłowe, takie jak ATOS, General Electric, Nokia, Nexteer czy Grupa Azoty, które odzwierciedlają duże zaangażowanie sektora prywatnego w innowacje.

W zestawieniu widać również silną reprezentację branż: technologicznej, chemicznej, materiałowej, motoryzacyjnej i energetycznej. Ośrodki z Warszawy, Krakowa, Gliwic i Wrocławia pojawiają się najczęściej, co wskazuje na ich koncentrację infrastruktury badawczo-rozwojowej w skali kraju.

Mapa 4.2Suma wszystkich realizowanych doktoratów w przedsiębiorstwach w edycji 5-7 dla podmiotów od 3 doktoratów

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

W zestawieniu liczby doktorantów (w jednym przedsiębiorstwie min. 3 doktoraty) według województw zdecydowanie dominuje województwo mazowieckie, które z wynikiem 154 doktorantów znacząco przewyższa pozostałe regiony. Kolejne miejsca zajmują śląskie (75), małopolskie (55) i wielkopolskie (33), co wskazuje na silną koncentrację kształcenia doktoranckiego w największych ośrodkach akademicko-naukowych kraju. Dolnośląskie (25), opolskie (18), kujawsko-pomorskie (17), lubelskie (8) oraz łódzkie (6) notują umiarkowane wartości, natomiast pomorskie i świętokrzyskie odnotowują jedynie po 4 doktorantów. Z kolei województwa lubuskie, podkarpackie, podlaskie, warmińsko-mazurskie i zachodniopomorskie nie wykazały żadnych przedsiębiorstw prowadzących min. 3 doktoraty.

Dane te wskazują na silną polaryzację aktywności naukowej w kraju, skoncentrowaną wokół dużych metropolii.

Mapa 4.3Liczba podmiotów realizujących doktoraty (od 3 w podmiocie) w edycji 5-7

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

Można zauważyć wyraźną koncentrację aktywności doktoranckiej w kilku regionach. Najwięcej takich instytucji znajduje się w mazowieckim (25), śląskim (14) i małopolskim (12), co świadczy o dużym rozproszeniu aktywności naukowej w tych województwach i zaangażowaniu wielu różnych ośrodków w kształcenie doktorantów. Wysokie wartości notują również wielkopolskie (7) oraz dolnośląskie (5), mimo że nie są to liderzy pod względem liczby doktorantów ogółem. Z kolei województwa opolskie, kujawsko-pomorskie, lubelskie, łódzkie, świętokrzyskie i pomorskie mają po 1-2 podmioty od 3 doktorantów. Lubuskie, podkarpackie, podlaskie, warmińsko-mazurskie oraz zachodniopomorskie nie mają takiego podmiotu w swoim województwie.

Dane te wskazują na znaczące zróżnicowanie regionalne w zakresie struktury i rozproszenia doktorantów w Polsce.

Branże (wg PKD), które reprezentowali pracodawcy

W ciągu realizacji całego programu, zdecydowana większość podmiotów była wskazywana jedynie przez pojedynczych uczestników, co uniemożliwiło budowę wskaźnika nr 12 dla edycji 1-4. Z uwagi na różnice w formie zapisów, takie jak dodatkowe spacje, znaki specjalne czy różne formaty adresów, nazwy podmiotów zostały ujednolicone na podstawie danych o siedzibie oraz numerze NIP, a w przypadku wątpliwości posiłkowano się informacjami z rejestrów POL-on oraz GUS.

Tabela przedstawiająca branże (wg PKD), które reprezentowali pracodawcy w podziale na edycje 5-7 została zamieszczona poniżej.

Na podstawie analizy danych przedstawiających przypisanie pracodawców do branż według głównych kodów PKD można wyróżnić kilka dominujących obszarów działalności. Największe skupisko firm i instytucji występuje w sektorze informatyki i działalności badawczo-rozwojowej, obejmującym kody 62 (działalność związana z oprogramowaniem i doradztwem IT) oraz 72 (badania naukowe i prace rozwojowe). Do tych branż zaliczają się m.in. firmy takie jak AIUT, ATOS, ALPHAMOON czy liczne instytuty Sieci Badawczej Łukasiewicz.

Kolejnym istotnym obszarem jest przemysł elektromaszynowy i elektroniczny – tu dominują kody 26, 27, 28, obejmujące produkcję urządzeń elektronicznych, maszyn i części. Przedstawicielami tej branży są m.in. APTIV SERVICES POLAND, ATMAT czy PIT-RADWAR. Duża liczba podmiotów działa również w branży chemicznej i farmaceutycznej, oznaczonej kodami 20 i 21 – m.in. GRUPA AZOTY, CELON PHARMA, HENKEL czy ORLEN. Wśród pozostałych wyróżniających się sektorów znajdują się: – Energetyka (kod 35), z firmami jak ENERGA, PGNiG Termika, ORLEN czy POLSKIE

GÓRNICTWO NAFTOWE I GAZOWNICTWO, – Górnictwo i przemysł surowcowy (kody 05, 06, 09) z podmiotami jak Jastrzębska Spółka Węglowa czy Chemkop, – Produkcja i inżynieria materiałowa (kody 24, 25, 33), z takimi firmami jak ArcelorMittal, H. Cegielski, Mesko.

Ponadto w zestawieniu znalazły się także instytucje publiczne (np. Ministerstwo Finansów, Główny Urząd Miar, Urząd Dozoru Technicznego) oraz szpitale, uczelnie i instytuty naukowe, często przypisane do kodu 72.19.

Podsumowując, dane pokazują silną reprezentację branż nowoczesnych i wysoko specjalistycznych – przede wszystkim IT, badania i rozwój, energetyka, chemia oraz przemysł elektromaszynowy. To one stanowią fundament technologiczno-przemysłowy i naukowy współczesnej gospodarki.

Zestawienie kodów PKD dla edycji 8 obejmuje bardzo szerokie spektrum działalności gospodarczych, jednak jego struktura wyraźnie wskazuje na dominację sektora przemysłowo-technologicznego, podobnie jak dla edycji 5-7. Najsilniej reprezentowane są działalności związane z badaniami naukowymi i pracami rozwojowymi, inżynierią oraz działalnością profesjonalną i techniczną, co świadczy o dużym znaczeniu zaplecza B+R, projektowania oraz analiz technicznych dla całego ekosystemu gospodarczego. Równolegle bardzo mocno zaznacza się sektor IT i usług cyfrowych, obejmujący tworzenie oprogramowania, doradztwo informatyczne, przetwarzanie danych oraz telekomunikację, które pełnią funkcję kluczowego wsparcia technologicznego dla pozostałych branż. Istotną część zbioru stanowi również przemysł przetwórczy, w szczególności produkcja chemiczna, farmaceutyczna, metalowa, maszynowa, elektrotechniczna oraz sprzętu medycznego i elektronicznego, co wskazuje na

przewagę produkcji o średnim i wysokim poziomie zaawansowania technologicznego. Uzupełnieniem tej struktury jest rozbudowane budownictwo i działalność infrastrukturalna, realizujące projekty budowlane, instalacyjne i inżynieryjne, a także handel hurtowy i detaliczny, który pełni głównie funkcję wspierającą wobec przemysłu i usług. Widoczna jest również obecność sektorów energetycznego, surowcowego, gospodarki wodno-ściekowej i odpadów, a także transportu i logistyki, które zapewniają zaplecze operacyjne dla działalności produkcyjnej i handlowej.

Całość dopełniają usługi z obszaru ochrony zdrowia, edukacji, administracji i działalności społecznej, mające charakter uzupełniający. W efekcie analizowany zbiór PKD przedstawia spójny obraz zdywersyfikowanego, lecz wyraźnie ukierunkowanego na innowacje, przemysł i technologie ekosystemu gospodarczego, w którym działalność badawczo-rozwojowa, IT i produkcja stanowią jego rdzeń.

Poniżej zaprezentowano wykaz kodów PKD dla podmiotów z edycji 5-8 posegregowanych rosnąco wg kodów PKD.

Najliczniejszą grupę stanowią działalności związane z badaniami naukowymi, pracami rozwojowymi oraz inżynierią i działalnością techniczną, obejmujące przede wszystkim kody PKD 72 (B+R), 71 (działalność inżynieryjna, architektoniczna, analizy i badania techniczne) oraz 74 (pozostała działalność profesjonalna, naukowa i techniczna). To właśnie ten obszar wyraźnie dominuje w całym zestawieniu.

• –72.19 – Badania naukowe i prace rozwojowe w dziedzinie nauk przyrodniczych i technicznych (pozostałe) – 99
• –71.20 – Badania i analizy techniczne – 39
• –74.90 – Pozostała działalność profesjonalna, naukowa i techniczna – 34
• –71.12 – Działalność w zakresie architektury i inżynierii oraz związane z nią doradztwo techniczne – 33
• –72.11 – Badania naukowe i prace rozwojowe w dziedzinie biotechnologii – 23
• –62.01 – Działalność związana z oprogramowaniem – 20
• –26.51 – Produkcja instrumentów i przyrządów pomiarowych, kontrolnych i nawigacyjnych – 14
• –85.59 – Pozaszkolne formy edukacji – 13
• –74.10 – Działalność w zakresie specjalistycznego projektowania – 12
• –70.22 – Pozostałe doradztwo w zakresie prowadzenia działalności gospodarczej i zarządzania – 11

Wyniki jednoznacznie potwierdzają, że najliczniejszą i dominującą grupą są działalności B+R oraz inżynieryjno-techniczne, z wyraźnym liderem w postaci PKD 72.19. Pojawiają się jednak bardzo różne branże, łącznie np. z taką wydawałoby się odległą od doktoratu jak: Działalność fotograficzna. Pokazuje to chęć prowadzenia badań praktycznie niezależnie od obszaru.

Dane geograficzne dla pracodawców (wg siedziby)

W opracowaniu dokonano podziału prowadzenia doktoratów wdrożeniowych według wielkości miast. Całość podzielono na 10 grup, przedstawionych poniżej.

Wykres 4.32Liczba prowadzonych doktoratów wdrożeniowych wg wielkości miast dla edycji 5-8

Powyżej 1 mln

198

Od 500 000 do 999 999

190

Od 100 000 do 249 999

159

Od 250 000 do 499 999

105

Od 20 000 do 49 999

68

Od 50 000 do 99 999

60

Od 10 000 do 19 999

58

Poniżej 2000

48

Od 2000 do 4999

43

Od 5000 do 9999

23

Analiza liczby miejscowości, w których zlokalizowane są siedziby firm prowadzących doktoraty wdrożeniowe wskazuje na silną koncentrację tych podmiotów w największych ośrodkach miejskich. Najwięcej doktorantów odnotowano w miastach powyżej 1 mln mieszkańców (198) oraz w przedziale od 500 000 do 999 999 mieszkańców (190), co jednoznacznie pokazuje, że największe aglomeracje stanowią główne centra realizacji doktoratów wdrożeniowych. Wysoka liczba miejscowości występuje również w miastach średniej wielkości – od 100 000 do 249 999 mieszkańców (159) oraz od 250 000 do 499 999 mieszkańców (105) – co świadczy o istotnej roli tych ośrodków jako zaplecza dla współpracy nauki z biznesem. Wraz ze spadkiem wielkości miasta widoczny jest wyraźny spadek liczby firm realizujących doktoraty wdrożeniowe. W miastach liczących od 50 000 do 99 999 mieszkańców (60) oraz od 20 000 do 49 999 mieszkańców (68) udział ten jest już wyraźnie mniejszy, choć nadal zauważalny. Najmniej prowadzonych doktoratów wdrożeniowych występuje w małych miastach i miejscowościach – od 10 000 do 19 999 mieszkańców (58), od 5 000 do 9 999 mieszkańców (23), od 2 000 do 4 999 mieszkańców (43) oraz poniżej 2 000 mieszkańców (48).

Całość rozkładu potwierdza, że doktoraty wdrożeniowe są przede wszystkim domeną dużych i bardzo dużych miast, gdzie istnieje większa liczba przedsiębiorstw, rozwinięte zaplecze badawczo-rozwojowe oraz lepsze warunki do współpracy z uczelniami. Jednocześnie obecność firm prowadzących doktoraty wdrożeniowe także w mniejszych miejscowościach i wsiach wskazuje, że doktoraty można prowadzić poza wielkimi aglomeracjami, choć tutaj ich skala pozostaje wyraźnie ograniczona. Jest to też związane z ogólnym potencjałem podmiotów współpracujących w obszarach o mniejszej gęstości zaludnienia oraz ich dużo mniejszych skupieniem jednostkowym.

Analiza i podsumowanie wyników statystycznych

Przeprowadzona analiza statystyczna pozwala spojrzeć na Program „Doktorat wdrożeniowy” w perspektywie jego ośmiu pierwszych edycji, obejmujących lata 2017–2024. Zgromadzone dane pokazują zarówno skalę przedsięwzięcia, jak i jego wyraźnie ukształtowany profil naukowy, instytucjonalny, gospodarczy i terytorialny. Program nie jest przy tym zjawiskiem marginalnym ani ograniczonym do pojedynczych uczelni czy przedsiębiorstw. W analizowanym okresie zakwalifikowano do niego łącznie 3052 uczestników, reprezentujących liczne podmioty naukowe, przedsiębiorstwa oraz różne regiony kraju. Jednocześnie wyniki pokazują znaczące koncentracje - przede wszystkim wokół uczelni technicznych, nauk inżynieryjno-technicznych, dużych ośrodków akademicko- przemysłowych oraz przedsiębiorstw prowadzących działalność badawczo-rozwojową i technologiczną.

Analizując dynamikę rozwoju programu można zauważyć, że liczba zaakceptowanych projektów w kolejnych edycjach była wyraźnie zmienna. Pierwsza edycja z 2017 r. objęła 385 projektów, w kolejnej liczba ta wzrosła do 461, następnie w 2019 r. spadła do 364. Największą skalę program osiągnął w edycji czwartej, w 2020 r., kiedy zaakceptowano 588 projektów. W dwóch kolejnych latach liczba uczestników utrzymywała się nadal na wysokim poziomie – odpowiednio 476 i 440 projektów – natomiast w 2023 r. nastąpił silny spadek do 167 zaakceptowanych projektów. W 2024 r. wynik pozostał podobny i wyniósł 171.

Oznacza to, że rozwój programu można podzielić na kilka etapów. Pierwszy obejmuje okres budowania zainteresowania i wzrostu skali przedsięwzięcia, zakończony rekordową edycją z 2020 r. Drugi to okres względnie wysokiej stabilizacji w latach 2021–2022. Trzeci rozpoczyna się w 2023 r. i charakteryzuje się wyraźnie niższą liczbą nowo finansowanych projektów. Spadku tego nie należy jednak automatycznie interpretować jako zmniejszenia zainteresowania samą ideą doktoratu wdrożeniowego.

W opracowaniu wskazano, że istotnym czynnikiem było określenie łącznej kwoty środków przeznaczanych na nowe projekty, co skutkowało podniesieniem punktowego progu uzyskania finansowania. Tym samym liczba zaakceptowanych projektów jest nie tylko miarą zainteresowania programem, lecz także rezultatem polityki finansowania i warunków kolejnych naborów. Z pewną ostrożnością można stwierdzić, że to ograniczenie podniosło poziom przyznawanych projektów, za czym powinna też pójść mniejsza liczba rezygnacji i problemów z raportami. Łączna liczba 3052 zaakceptowanych projektów świadczy jednak o osiągnięciu przez program znaczącej skali. Po ośmiu edycjach doktorat wdrożeniowy można traktować jako utrwalony element systemu współpracy pomiędzy nauką i otoczeniem społeczno- gospodarczym, a nie rozwiązanie o charakterze eksperymentalnym.

Dostrzegalna jest także koncentracja programu na zagadnieniach inżynierskich i dominująca pozycja uczelni technicznych. Największą liczbę uczestników zgromadziła Politechnika Śląska - 470 osób. Kolejne miejsca zajmują Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie - 387 uczestników oraz Politechnika Warszawska - 372. Następne pozycje przypadają Politechnice Wrocławskiej, Politechnice Gdańskiej, Politechnice Poznańskiej, Politechnice Krakowskiej i Politechnice Łódzkiej. Dopiero w dalszej części zestawienia pojawiają się uniwersytety klasyczne, ekonomiczne i medyczne. Nie oznacza to, że program jest dla nich zamknięty. Wręcz przeciwnie – obecność uniwersytetów, uczelni medycznych, przyrodniczych, ekonomicznych, uczelni niepublicznych, a nawet jednostek artystycznych oraz instytutów Polskiej Akademii Nauk pokazuje jego interdyscyplinarny charakter. Skala uczestnictwa tych podmiotów jest jednak zdecydowanie mniejsza niż w przypadku największych politechnik. Taka struktura jest spójna z samą koncepcją doktoratu wdrożeniowego. Projekty mają odpowiadać na rzeczywiste problemy technologiczne, organizacyjne i gospodarcze, a więc naturalne zaplecze programu stanowią uczelnie posiadające silne kontakty z przemysłem, rozbudowaną infrastrukturę laboratoryjną oraz doświadczenie w realizacji prac badawczo-rozwojowych na rzecz przedsiębiorstw. Politechniki dysponują też rozbudowanymi sieciami współpracy z przemysłem, co ułatwia tworzenie układu doktorant - uczelnia - pracodawca. Jednocześnie tak silna koncentracja programu w największych uczelniach technicznych może być wskazówką dla jego dalszego rozwoju. Istnieje przestrzeń do zwiększania udziału innych typów szkół wyższych oraz popularyzacji doktoratów wdrożeniowych w obszarach, w których potencjał wdrożeniowy może być mniej oczywisty niż w naukach technicznych, ale nadal jest znaczący.

Kolejny element to silne zróżnicowanie regionalne. Struktura uczelni uczestniczących w programie przekłada się bezpośrednio na jego rozkład terytorialny. Największą liczbę uczestników przypisano do województwa śląskiego - 605, następnie małopolskiego - 574 oraz mazowieckiego - 563. Znaczącą skalę osiągnęły również województwa dolnośląskie - 360 i wielkopolskie - 257. Na drugim biegunie znajdują się województwa lubuskie, warmińsko- mazurskie, świętokrzyskie i podlaskie, w których liczba uczestników była wielokrotnie niższa. Rozkład ten wskazuje na wyraźną koncentrację programu w regionach posiadających jednocześnie duże ośrodki akademickie oraz rozwinięte zaplecze przemysłowe i gospodarcze. Śląsk ma Politechnikę Śląską oraz rozbudowaną bazę przedsiębiorstw przemysłowych, Małopolska - AGH i silnym środowiskiem akademickim Krakowa, a Mazowsze - Politechnikę Warszawską, Uniwersytet Warszawskim i największe w kraju skupisko przedsiębiorstw oraz instytucji. Znaczenie ma zatem nie tylko sama wielkość uczelni. Program rozwija się najintensywniej tam, gdzie występuje jednocześnie kilka sprzyjających czynników: potencjał naukowy, obecność przedsiębiorstw prowadzących działalność B+R, odpowiednia infrastruktura, doświadczenie we współpracy nauki z gospodarką oraz aktywność lokalnej kadry i administracji uczelnianej. Mniejsze zainteresowanie w części województw może natomiast wynikać z mniejszej liczby dużych uczelni, słabszego zaplecza przemysłowego, struktury lokalnej gospodarki, a także mniejszej intensywności promocji programu i słabiej rozwiniętych sieci współpracy. Analiza regionalna wskazuje więc na możliwość prowadzenia bardziej zróżnicowanej polityki informacyjnej. Jeśli jednym z celów dalszego rozwoju programu byłoby zwiększenie jego dostępności terytorialnej, zasadne byłoby silniejsze wspieranie uczelni i przedsiębiorstw z regionów dotychczas słabiej reprezentowanych. Interesujące jest też spojrzenie na strukturę uczestników według płci. We wszystkich ośmiu edycjach widoczna jest przewaga mężczyzn. Spośród 3052 uczestników 2167 stanowili mężczyźni, a 878 kobiety; w siedmiu przypadkach nie udało się określić płci na podstawie dostępnych danych.

Oznacza to proporcję wynoszącą w przybliżeniu 70% do 30%. Przewaga mężczyzn utrzymywała się we wszystkich edycjach, choć udział kobiet nie był stały. W pierwszej edycji było 115 kobiet i 270 mężczyzn, natomiast w rekordowym 2020 r. liczby te wynosiły odpowiednio 156 i 429. W szóstej edycji udział kobiet był relatywnie większy - 148 kobiet wobec 292 mężczyzn. W dwóch ostatnich edycjach liczebność obu grup spadła, co było konsekwencją zmniejszenia całkowitej liczby finansowanych projektów. Struktura płci jest silnie powiązana z profilem naukowym programu. Największa grupa doktorantów realizuje projekty w naukach inżynieryjno-technicznych, w których udział mężczyzn jest niejako tradycyjnie zdecydowanie większy. Bardziej wyrównana sytuacja występuje między innymi w naukach ścisłych i przyrodniczych, natomiast w naukach medycznych i naukach o zdrowiu bardziej znaczącą, a w części zestawień nawet większą grupę stanowią kobiety. Dane wskazują zatem, że różnice płciowe w programie nie powinny być analizowane w oderwaniu od struktury dyscyplin. Jednocześnie utrzymująca się przez wszystkie edycje przewaga mężczyzn może uzasadniać dalsze analizy w tym zakresie, szczególnie w tych dziedzinach, które stanowią rdzeń programu.

Dominacja nauk inżynieryjno-technicznych wyłaniała się już przy analizie uczelni. Najbardziej charakterystyczną cechą programu jest bowiem jego wyraźnie inżynieryjno- techniczny profil. Po uwzględnieniu zmian klasyfikacji dziedzin i dyscyplin na przestrzeni kolejnych edycji największa część uczestników przypada właśnie na ten obszar. Zdecydowanie mniej licznie reprezentowane są nauki ścisłe i przyrodnicze, społeczne, medyczne i o zdrowiu, rolnicze, humanistyczne, weterynaryjne oraz sztuka. Szczegółowa analiza dyscyplin dodatkowo potwierdza ten kierunek. Wśród dyscyplin technicznych szczególnie licznie reprezentowana jest inżynieria mechaniczna, która objęła 343 uczestników. Kolejne miejsca zajmują inżynieria materiałowa - 290 oraz inżynieria środowiska, górnictwo i energetyka - 229. Dużą liczbę projektów odnotowano również w informatyce technicznej i telekomunikacji oraz automatyce, elektronice i elektrotechnice. Znaczący udział mają też inżynieria chemiczna, technologia chemiczna, budowa i eksploatacja maszyn, inżynieria lądowa i transport oraz energetyka.

Rozkład ten bardzo dobrze oddaje praktyczny charakter programu. Są to obszary szczególnie silnie związane z przemysłem, produkcją, energetyką, cyfryzacją i nowoczesną infrastrukturą. W tych dziedzinach stosunkowo łatwo wskazać konkretny problem technologiczny oraz potencjalny rezultat wdrożeniowy, a przedsiębiorstwa dysponują zarówno zapleczem do prowadzenia badań, jak i możliwością praktycznego wykorzystania ich rezultatów. Nie oznacza to jednak zamknięcia programu na inne obszary. W zestawieniach znajdują się nauki społeczne, ekonomiczne, medyczne, farmaceutyczne, rolnicze, humanistyczne, a także dziedziny sztuki. Świadczy to o możliwości realizacji doktoratu wdrożeniowego wszędzie tam, gdzie można zidentyfikować realnego odbiorcę wyników i praktyczny problem do rozwiązania. Skala tych projektów jest jednak nadal wielokrotnie mniejsza niż w naukach technicznych.

Przejdźmy teraz do podsumowania tematyki projektów. Szczególnie wartościowych informacji dostarcza analiza ponad 15 tysięcy słów kluczowych przypisanych do projektów. Pokazuje ona nie tylko formalną przynależność projektów do poszczególnych dyscyplin, ale także rzeczywistą tematykę problemów, którymi zajmują się doktoranci. Zdecydowanie najczęściej występującymi hasłami były „sztuczna inteligencja” oraz „uczenie maszynowe” – odpowiednio 132 i 131 wystąpień. Trzecim najczęstszym pojęciem była „optymalizacja” – 90 wystąpień. Już te trzy hasła dobrze pokazują jeden z głównych kierunków rozwoju programu: wykorzystywanie zaawansowanych metod cyfrowych do rozwiązywania konkretnych problemów gospodarczych i technologicznych. Kolejną grupę tworzą pojęcia związane z nowoczesnym przemysłem i transformacją technologiczną: sieci neuronowe, modelowanie, data science, druk 3D, automatyzacja, Przemysł 4.0, analiza danych, diagnostyka czy przetwarzanie języka naturalnego. Wskazuje to na silną obecność zagadnień związanych z cyfryzacją i automatyzacją procesów. Drugim wyraźnym nurtem są kwestie energetyczne i środowiskowe. Wśród często pojawiających się słów znajdują się recykling, energetyka, zrównoważony rozwój, odnawialne źródła energii, efektywność energetyczna i wodór. Pokazuje to, że program reaguje również na proces transformacji energetycznej oraz rosnące znaczenie gospodarki obiegu zamkniętego i technologii środowiskowych. Trzeci nurt obejmuje klasyczne zagadnienia materiałowe i przemysłowe: korozję, kompozyty, mikrostrukturę, polimery, pojazdy szynowe czy zagadnienia związane z procesami produkcyjnymi.

Oznacza to, że nowe obszary cyfrowe nie wypierają tradycyjnych tematów inżynierskich, lecz są z nimi coraz silniej integrowane. Analiza słów kluczowych pokazuje tym samym, że doktoraty wdrożeniowe koncentrują się w dużym stopniu na zagadnieniach znajdujących się w centrum współczesnych przemian gospodarczych: cyfryzacji, automatyzacji, sztucznej inteligencji, energetyce, nowych materiałach i zrównoważonym rozwoju.

Warto też przyjrzeć się podmiotom współpracującym i nieco ogólniej znaczeniu przedsiębiorstw. Analiza pracodawców potwierdza szeroki zasięg gospodarczy programu. Charakterystyczną cechą jest duże rozproszenie podmiotów - zdecydowana większość podmiotów pojawia się w bazie w związku z pojedynczymi uczestnikami.

Oznacza to, że program nie jest ograniczony do niewielkiej grupy największych firm, ale jest wykorzystywany przez szerokie spektrum organizacji. Jednocześnie istnieje grupa przedsiębiorstw i instytucji powtarzalnie angażujących się w doktoraty wdrożeniowe.

W zestawieniu znajdują się podmioty reprezentujące przemysł motoryzacyjny, energetykę, przemysł maszynowy i metalowy, chemię i farmację, technologie informacyjne, transport, działalność badawczo- rozwojową oraz sektor publiczny. Powtarzający się udział części organizacji może świadczyć o tym, że po zdobyciu pierwszych doświadczeń przedsiębiorstwa dostrzegają wartość programu i podejmują decyzję o uruchomieniu kolejnych projektów. Z perspektywy dalszego rozwoju programu szczególnie istotne może być wykorzystanie doświadczeń tych podmiotów jako źródła dobrych praktyk. Organizacje realizujące kilka doktoratów posiadają bowiem praktyczną wiedzę dotyczącą wyboru tematów, współpracy z uczelnią, roli opiekuna pomocniczego, zapewnienia doktorantowi warunków prowadzenia badań oraz późniejszego wdrażania rezultatów.

Struktura branżowa działalności pracodawców również potwierdza badawczo-technologiczny charakter programu. W dostępnych danych dotyczących kodów PKD zdecydowanie dominują działalności związane z badaniami naukowymi i pracami rozwojowymi w zakresie nauk przyrodniczych i technicznych. Bardzo wyraźnie reprezentowane są także badania i analizy techniczne, działalność profesjonalna, naukowa i techniczna, działalność inżynieryjna i doradztwo techniczne, biotechnologia oraz działalność związana z oprogramowaniem.

Znaczącą obecność mają ponadto przedsiębiorstwa związane z produkcją urządzeń i aparatury, projektowaniem, energetyką, chemią, farmacją, przemysłem metalowym czy transportem. W bazie pojawiają się jednak również branże mniej oczywiste z perspektywy tradycyjnego rozumienia doktoratu wdrożeniowego. Jest to ważny sygnał, ponieważ pokazuje, że potencjał wdrożeniowy nie jest ograniczony wyłącznie do klasycznego przemysłu ciężkiego, technologii czy informatyki. Dane branżowe należy jednak interpretować ostrożnie, ponieważ pojedynczy pracodawca może posiadać wiele kodów PKD, a dostępne informacje nie zawsze pozwalają wskazać, który z nich stanowi główny obszar jego działalności. Mimo tego ogólny obraz jest jednoznaczny: program jest szczególnie mocno związany z podmiotami, w których działalność B+R, inżynieryjna i technologiczna stanowi istotny element funkcjonowania.

Pod względem geograficznym, podobnie jak w przypadku uczelni, również rozmieszczenie pracodawców wskazuje na silną koncentrację w największych regionach gospodarczych. W analizie podmiotów, w których w edycjach 5-7 realizowano co najmniej trzy doktoraty, zdecydowanie dominuje województwo mazowieckie. W takich przedsiębiorstwach realizowano tam 154 doktoraty, podczas gdy w województwie śląskim było ich 75, a w małopolskim 55. Kolejne miejsce zajmowała Wielkopolska. Pod względem liczby samych podmiotów prowadzących co najmniej trzy doktoraty również dominowało Mazowsze, a następnie województwa śląskie i małopolskie. Część regionów nie posiadała ani jednego pracodawcy spełniającego takie kryterium. Należy jednak podkreślić, że w programie występuje bardzo duża liczba organizacji realizujących pojedynczy doktorat, dlatego brak przedsiębiorstwa z co najmniej trzema doktorantami nie oznacza braku aktywności danego regionu. Wyniki wskazują natomiast, gdzie wykształciły się organizacje wykorzystujące program w sposób bardziej systematyczny i powtarzalny. Koncentracja zarówno uczelni, jak i najbardziej aktywnych pracodawców w podobnych regionach sugeruje występowanie lokalnych ekosystemów sprzyjających doktoratom wdrożeniowym. Tam, gdzie blisko siebie funkcjonują silna uczelnia techniczna, przedsiębiorstwa posiadające zaplecze B+R oraz doświadczeni naukowcy i specjaliści przemysłowi, łatwiej jest inicjować i realizować kolejne projekty.

Przy interpretowaniu przedstawionych wyników należy uwzględnić kilka istotnych ograniczeń metodycznych. Dane dotyczące pierwszych siedmiu edycji zostały przekazane w jednej strukturze, natomiast informacje z edycji ósmej pochodziły z odrębnego zestawienia przygotowanego w nieco inny sposób. Z tego powodu nie wszystkie wskaźniki mogły zostać obliczone jednolicie dla całego okresu. Dodatkowym problemem są zmiany klasyfikacji dziedzin i dyscyplin naukowych. W analizowanym okresie zmieniało się zarówno nazewnictwo, jak i przyporządkowanie niektórych dyscyplin, dlatego proste porównania pomiędzy pierwszymi a późniejszymi edycjami mogą prowadzić do błędnych wniosków. Wnioskodawca mógł ponadto wskazać więcej niż jedną dyscyplinę, co powoduje, że sumy występujące w niektórych zestawieniach nie są równoznaczne z liczbą unikalnych uczestników. Ograniczenia występują również w danych dotyczących podmiotów współpracujących. Ze względu na sposób zbierania danych i konieczność ochrony danych osobowych część analiz dotyczących pracodawców możliwa była wyłącznie dla późniejszych edycji. W wielu zestawieniach uwzględniono ponadto tylko podmioty związane z co najmniej trzema uczestnikami. Dlatego nie należy traktować przedstawionych rankingów pracodawców jako pełnego obrazu wszystkich firm uczestniczących w programie. Nazwy przedsiębiorstw wymagały dodatkowej normalizacji z uwagi na różnice w sposobie ich zapisywania, a klasyfikacja PKD jest utrudniona przez możliwość posiadania przez jeden podmiot wielu kodów działalności bez jednoznacznego wskazania działalności dominującej. Ograniczenia te nie podważają jednak wartości analizy, ale wskazują, że poszczególne wskaźniki powinny być interpretowane przede wszystkim jako opis struktury i głównych tendencji, a nie jako podstawa do bardzo precyzyjnego porównywania każdej edycji i każdej kategorii.

Całościowy obraz wynikający z analizy statystycznej jest spójny i pozwala sformułować kilka zasadniczych wniosków. Po pierwsze, Program „Doktorat wdrożeniowy” osiągnął istotną skalę, obejmując w ośmiu edycjach ponad trzy tysiące zaakceptowanych projektów. Pomimo znacznego zmniejszenia liczby nowych projektów w dwóch ostatnich analizowanych edycjach program pozostaje rozpoznawalnym i ugruntowanym instrumentem współpracy nauki z gospodarką. Po drugie, program ma jednoznacznie techniczny i przemysłowy rdzeń. Największą grupę uczestników tworzą przedstawiciele nauk inżynieryjno-technicznych, a wśród instytucji prowadzących dominują politechniki i uczelnie techniczne. Szczególnie silną reprezentację mają takie obszary jak inżynieria mechaniczna, materiałowa, środowiskowa, górnictwo i energetyka, automatyka, elektronika oraz informatyka techniczna. Po trzecie, tematyka doktoratów wskazuje, że program reaguje na aktualne potrzeby gospodarki. Dominacja sztucznej inteligencji, uczenia maszynowego i optymalizacji, przy jednoczesnej dużej obecności energetyki, automatyzacji, technologii materiałowych, recyklingu i zrównoważonego rozwoju, pokazuje jego silne powiązanie z transformacją cyfrową, technologiczną i energetyczną. Po czwarte, widoczne jest znaczące zróżnicowanie przestrzenne. Program rozwija się przede wszystkim w regionach posiadających silne ośrodki akademickie i przemysłowe. Śląsk, Małopolska, Mazowsze, Dolny Śląsk i Wielkopolska skupiają dużą część aktywności uczelni, natomiast najbardziej aktywni pracodawcy koncentrują się przede wszystkim na Mazowszu, Śląsku i w Małopolsce. Może to wskazywać na funkcjonowanie regionalnych ekosystemów współpracy nauka–biznes, ale jednocześnie pokazuje przestrzeń do silniejszego włączenia regionów mniej reprezentowanych. Po piąte, struktura płci pozostaje nierównomierna. Kobiety stanowią około 30% uczestników, co w znacznej mierze wiąże się z dominacją dziedzin technicznych. Jednocześnie różnice pomiędzy poszczególnymi obszarami nauki pokazują, że proporcja ta nie jest jednakowa i wymaga bardziej pogłębionej interpretacji. Po szóste, program nie jest oparty wyłącznie na kilku dużych przedsiębiorstwach. Przeciwnie – znaczna liczba pracodawców pojawia się w bazie tylko przy pojedynczych doktorantach. Świadczy to o szerokim zasięgu programu i jego zdolności do angażowania bardzo różnych organizacji. Równocześnie istnieje grupa podmiotów korzystających z programu wielokrotnie, co może wskazywać na wykształcenie trwałego mechanizmu współpracy z uczelniami. Wyniki pokazują więc program dojrzały pod względem skali i posiadający wyraźnie określoną tożsamość. Jego największą siłą jest zdolność do łączenia potencjału naukowego uczelni z konkretnymi problemami przedsiębiorstw i instytucji. Statystyka potwierdza, że doktoraty wdrożeniowe koncentrują się tam, gdzie istnieje realne zapotrzebowanie na badania prowadzące do praktycznych rezultatów. Jednocześnie dalszy rozwój programu może uwzględniać widoczne dysproporcje. Dotyczy to przede wszystkim nierównomiernego udziału regionów, relatywnie niewielkiej obecności części dziedzin nauki oraz mniejszego udziału kobiet. Nie oznacza to konieczności osłabiania technicznego charakteru programu, który wynika z jego naturalnej funkcji i potrzeb gospodarki. Bardziej zasadne wydaje się poszerzanie jego zasięgu poprzez promowanie dobrych praktyk, aktywizowanie nowych uczelni i pracodawców oraz pokazywanie możliwości wdrożeniowych również w tych dziedzinach i regionach, w których dotychczas wykorzystywano je w mniejszym stopniu.

Warto jednak dostrzec, że wymienione dysproporcje są dość naturalne i wynikające z warunków obiektywnych, co zdecydowanie utrudnia jakiekolwiek próby ich niwelowania. Analiza wskazuje również na potrzebę dalszego systematycznego gromadzenia i standaryzowania danych. Ujednolicenie sposobu zapisywania informacji o pracodawcach, dyscyplinach, lokalizacji, branżach i rezultatach projektów pozwoliłoby w przyszłości znacznie dokładniej analizować zmiany zachodzące pomiędzy edycjami. Szczególnie wartościowe byłoby powiązanie danych wejściowych dotyczących uczestników i projektów z informacjami o ich późniejszych rezultatach: zakończeniu doktoratu, rodzaju wdrożenia, dalszej karierze absolwenta oraz kontynuacji współpracy uczelni z przedsiębiorstwem.

Podsumowując, z punktu widzenia dotychczasowych danych Program „Doktorat wdrożeniowy” można uznać za trwały element systemu wspierania transferu wiedzy pomiędzy nauką a gospodarką. Jego profil odpowiada potrzebom współczesnej gospodarki technologicznej, a szeroka baza uczestniczących instytucji świadczy o zdolności do funkcjonowania w różnych środowiskach organizacyjnych. Dalsze monitorowanie programu powinno być ukierunkowane nie tylko na liczbę nowych uczestników, lecz przede wszystkim na jakość, trwałość i efekty projektów – w szczególności na rzeczywiste wdrożenia, rozwój kompetencji, wpływ na innowacyjność przedsiębiorstw oraz powstawanie trwałych relacji pomiędzy nauką i biznesem.