Categoria: Formazione Interdisciplinare

Pianificazione e Gestione Interdisciplinare dei processi interni di INNOVAZIONE, nel paradigma di Industria 4.0 e del’Open Innovation.

Approccio Statistico “ANOVA” vs “Modelli di Conoscenza” nell’Analisi di Processi Biologici

Postato il di Giovanni Mappa in Formazione Interdisciplinare, Gestione Innovazione

A-KM METODOLOGIA DI APPROCCIO: Modelli di Conoscenza

La scelta della metodologia dei “Modelli di Conoscenza”, nasce dall’esigenza di controllare e ottimizzare la funzionalità di un processo complesso che, specialmente se presenta una sezione  “biologica” e input (carichi) variabili quali-quantitativamente nel tempo, non può essere assimilato ad un processo ciclico ripetitivo.

Pertanto, si sceglie in questi casi di non seguire un tradizionale approccio statistico (v. ANOVA– ANalysis Of VAriance), in quanto basato essenzialmente su dati storici e in genere molto costoso, preferendo un approccio più vicino agli esperti di processo, basato sulla “fusione” interdisciplinare tra dati rilevati e conoscenza degli esperti: i Modelli di Conoscenza.

Principi Base del Metodo basato sui Modelli di Conoscenza

a) Approccio Sistemico: realtà suddivisa in processi unitari (input/output), interagenti tra loro

b) Significatività e Rappresentatività delle Misure: è molto importante assicurarsi che i campioni oggetti di indagine siano realmente rappresentativi della realtà operativa o di classi di esse; pertanto le prove vanno eseguite definendo i parametri di caratterizzazione, come ad es.: Valore X = ¦[Xmin, Xmax, Xmed, X+freq, durata(X+freq)]

c) Modellazione delle Inferenze Input/Output: algoritmi di correlazione sistemica.

CONFRONTO METODOLOGIE PRO CONTRO

Modelli Statistici

 
  • Forniscono una analisi più oggettiva rispetto ai dati acquisiti (storici).

 

  • Metodologia più conosciuta.
  • Elaborano dati storici e quindi sono poco generalizzabili: interpretazione dei dati al passato.
  • Più costosi perché necessitano di numerose prove per realizzare un campione statistico rappresentativo
  • Risolvono gli errori e le discrepanze come Varianza Statistica e sulla base di Test Multifattoriali di Significatività (ANOVA – Analysis of Variance) non sempre generalizzabili.
  • Risultati  in Output in genere non generalizzabili e non migliorabili incrementalmente, se non a costo di ripetere l’intera analisi.
Modelli di Conoscenza
  • Interpretazione dei dati rispetto all’attualità operativa, perché si basano su dati il cui valore è quello derivante dall’esperienza operativa aggiornata come “media ragionata” (valore più frequente e plausibile).
  • Meno costosi perché basati su un numero di prove minimo necessario a definire le classi operative di funzionamento.-   Risolvono gli errori e le discrepanze attraverso la Cross-Correlation delle informazioni assunte e sulla base della propagazione della certezza.
  • Risultati in Output generalizzabili (per definizione) e migliorabili incrementalmente.
  • Forniscono una analisi più influenzabile dalla expertise degli operatori  che detengono la conoscenza.

 

  • Metodologia meno conosciuta.

MICROexpert: Modello di Conoscenza per la Diagnosi della Disfunzioni del Fango Attivo nei Processi di Depurazione Biologica

Postato il di Giovanni Mappa in BLOGs, Depurazione Acque, Formazione Interdisciplinare, Ricerca & Sviluppo

Prodotti Software SWT

Stumento professionale per prevenire il Problema della Sedimentabilità dei Fanghi

Diagnosi e Gestione delle Disfunzioni del Fango Attivo nei processi di di Depurazione Biologica

MICRO 

MICROexpert è un Modello di Conoscenza (software tool) a supporto della diagnosi e per la ricerca delle soluzioni correttive per le disfunzioni del fango attivo. In particolare, si riferisce alla biomassa sospesa nei tradizionali processi aerobici per la rimozione del Carbonio o nei sistemi con Rimozione dei Nutrienti (N, P), in reattori biologici del tipo CSTR (Continuous Stirred Tank Reactor) o Plug Flow.

I principali obiettivi funzionali di MICROexpert sono:

  • Rilevazione tempestiva di anomalie funzionali o di instabilità in essere;
  • Individuazione delle possibili azioni correttive per prevenire i problemi di sedimentabilità del fango (bulking, foaming, rising, pin point floc, etc.), 
  • Prevenire i problemi sulla qualità dell’effluente.

img232

http://www.ncsafewater.org/Pics/Training/SpringFling/SC2010/SC10Presentations/WW.Monday.PM.0130.Wagoner.pdf

JM MeD

Il Modello MICROexpert si basa su un approccio olistico alla diagnosi attraverso l’integrazione (data-fusion) dei differenti dati e informazioni quali-quantitative disponibili:

  • Analisi Microscopica sulla Microfauna e individuazione dell’Indice Biotico del Fango (SBI), della Struttura Morfologica del Fiocco e Analisi della crescita di Batteri Filamentosi;
  • Tipiche Analisi Fisico-Chimiche di Laboratorio;  
  • Parametri Operativi di Esercizio dell’impianto (OD, T, F/M, ecc.);
  • Ispezioni Visive relativamente alla qualità dell’effluente e sullo stato di efficienza del processo.

Il controllo di processo con il supporto di MICROexpert consente di sfruttare la peculiare dinamica “lenta” di evoluzione biologica dei fanghi attivi e il loro tempo caratteristico di incubazione (giorni prima che gli effetti delle anomalie si evidenzino) per prevenire con una diagnosi tempestiva le possibili disfunzioni. 

RISING19_1

________________________________________________________

Per info:

Torna indietro

Il messaggio è stato inviato

Strumenti Logico-Matematici I.T.K.S. per la Gestione Interdisciplinare della Conoscenza, dell’Innovazione e dei Processi Decisionali

Postato il di Giovanni Mappa in Formazione Interdisciplinare

K http://www.h2biz.eu/scheda_prodotto.asp?prod=2079

Formazione e Trasferimento Tecnologico per l’acquisizione degli Strumenti Logico – Matematici dell’approccio interdisciplinare I.T.K.S. (Interdisciplinary Thinking by Knowledge Synthesis).

Si tratta di una metodologia che aiuta notevolmente a risolvere la complessità dei problemi professionali, attraverso il riconoscimento e/o l’utilizzo di “Modelli di Conoscenza”. Questi ultimi, possono essere assimilati a strutture canoniche di Conoscenza (esplicita o implicita), il cui riconoscimento appunto, consente di risolvere più rapidamente e facilmente, i vari “puzzle” che si incontrano generalmente nei processi di problem – solving e presa di decisione, nonché nell’ambito dello sviluppo dell’innovazione di processo.
La metodologia I.T.K.S. nasce agli inizi degli anni ’90 come “motore inferenziale” di sintesi logico – matematica ed è utilizzato per lo sviluppo informatico di Sistemi Esperti ES e di Supporto alle Decisioni DSS (Intelligenza Artificiale).
Dall’esperienza applicativa informatica e da quella relativa alla formazione del personale addetto, si è venuto a creare un vero e proprio approccio cognitivo interdisciplinare, trasferibile ai diversi profili professionali emergenti e “Knowledge Intensive”.
La vera innovazione nella metodologia I.T.K.S. risiede soprattutto nel concetto di “indipendenza della struttura della Conoscenza” dal contesto (lessicale) in cui si sviluppa, nonché nella possibilità di “modellare” con linguaggio universale logico – matematico “porzioni” di Conoscenza ricorrente con Modelli di diverso tipo, derivanti ad es. dalla esperienza popolare, fino alle leggi più rigorose della Fisica o dell’Economia, ecc. Detta possibilità, oltre a fornire l’indubbio vantaggio di riuscire a ”capitalizzare” la conoscenza, funge da catalizzatore nei processi cognitivi (sia umani che informatici), nel senso che consente di generare le conclusioni più valide nel minor tempo.
L’utilizzo applicativo dei Modelli di Conoscenza come già detto, ricopre una casistica molto ampia, fino allo sviluppo di sistemi on – line/real – time e di early – warning, nonché ove vi sia la necessità di prendere delle decisioni, in situazioni caratterizzate da elevata eterogeneità quantitativa e qualitativa dei dati come ad es., nei processi ambientali, nella gestione dei processi industriali e addirittura, nella valutazione di beni intangibili (ad es. il valore stesso della conoscenza).

Come Potenziare le proprie Capacità di Sintesi Cognitiva e Abilità Decisionali, senza ricorrere a Coach, Mentor o Guru?
________________________________
Per la frequentazione del Corso ITKS è preferibile possedere una base formativa scientifica anche scolastica (nell’ambito delle Scienze Matematiche, Fisiche e Naturali, ovvero nell’ambito delle Scienze Economiche e Statistiche).

Per Info:

Torna indietro

Il messaggio è stato inviato

Algoritmi sullo sviluppo della Interdisciplinarietà, del Buonsenso e del Valore

Postato il di Giovanni Mappa in Formazione Interdisciplinare

front  Interdisciplinary Thinking by Knowledge Synthesis

(2011) In un mercato del lavoro contraddittorio e imprevedibile come quello attuale, nel quale le professionalità “medie” (“colletti bianchi”) sono sempre meno richieste, a favore di un dicotomico interesse per la categoria degli artigiani (cuochi, panettieri, ecc.) da una parte, emergenti professionalità “Knowledge Intensive” dall’altra. Queste ultime, frutto della globalizzazione della conoscenza, sono caratterizzate da una crescente competitività in termini di flessibilità e interdisciplinarità. La sfida da affrontare è il lavoro che manca, perché per decenni si è puntato solo alla riduzione dei costi, piuttosto che alla creazione di valore ed eliminazione degli sprechi. La sfida da affrontare è il lavoro che cambia, sia in termini temporali, che in termini concettuali: se è cambiata la domanda, l’offerta dovrà necessariamente adeguarsi.

“Non possiamo pretendere che le cose cambino, se continuiamo a fare sempre le stesse cose...” (A. Einstein).  Il presente lavoro intende contribuire a dare possibili risposte alle seguenti domande:

  • è possibile potenziare la propria professionalità, per capire ed adeguarsi al nuovo livello di competitività?
  • è possibile potenziare la propria capacità di elaborare e sintetizzare l’enorme volume di dati e informazioni, con le quali dobbiamo confrontarci ogni giorno?
  • è possibile sviluppare, in uno scenario di complessità lavorativa, il “buonsenso” nella presa di decisione e la capacità di creare nuovo “valore”?
  • è possibile fare tutto ciò in un tempo sostenibile (mesi e non anni)?

La soluzione proposta in questi libro di appunti è l’apprendimento del “ragionamento interdisciplinare” (v. http://www.conoscenzaefficiente.it) e la metodologia proposta, nelle sue linee essenziali, si basa sul concetto dell’esistenza una struttura comune e ricorrente della conoscenza (Knowledge’s Common Frame) che, con le sue proprietà e dinamiche evolutive, rappresenta la “chiave di volta” del nuovo approccio. Pur contenendo algoritmi di tipo matematico, il testo segue un filo logico discorsivo che lo rende adatto a lettori con un “background” non solo di tipo tecnico-scientifico, ma anche economico-gestionale e politico.

Il libro è scritto in un inglese tecnico, ma contiene note e commenti in Italiano. Due casi applicativi della metodologia, come l’Interdisciplinary Knowledge Worker e il K-commerce, sono riportati ad esempio.

Something old, something new, something better…,   perhaps something for you.

Lavoro & Denaro: il “Modello 3 Cerchi” per trovare la risposta

Postato il di Giovanni Mappa in BLOGs, Formazione Interdisciplinare

Il Modello dei “3 Cerchi“

Sgombriamo il campo per il momento, dal concetto estremo del lavoro senza denaro e viceversa, dal denaro senza lavoro: consideriamo il lavoro e il denaro come due facce di una stessa medaglia, una medaglia che attualmente appare sempre più difficile da ottenere o da mantenere per lungo tempo. Tralasciamo anche il significato che gli stessi assumono per ciascuno di noi, per la nostra sicurezza interiore e dignità di persone, perché oltremodo a noi noto. Concentriamoci ora sulle domande, quelle che giornalmente ci poniamo, sia che un lavoro ce l’abbiamo già e temiamo di perderlo, sia che non lo abbiamo ancora trovato, ovvero che lo abbiamo appena perso.

Le domande che ci poniamo variano a seconda della nostra età e carattere, della nostra situazione economica e sociale, ma sostanzialmente si concentrano sul “cosa fare” e sulla “direzione da seguire”, al fine di riuscire ad avviare un nostro circolo virtuoso lavorativo, sia che si tratti di una attività alle dirette dipendenze di qualcuno o di un lavoro in proprio e imprenditoriale. Nella migliore delle ipotesi è come trovarsi in un luogo isolato, lontano da centri abitati, attraversato da un certo numero di binari ferroviari, ciascuno di essi destinato a collegare differenti stazioni e aree geografiche a sud, piuttosto che a nord, ad ovest piuttosto che ad est.  Supponiamo che ciascuno di questi binari rappresenti un possibile percorso da seguire per raggiungere la nostra meta e il nostro obiettivo lavorativo: nel luogo in cui ci troviamo, i binari appaiono tutti uguali e paralleli tra di loro, ma solo su uno di essi passerà un treno che ci porterà, stazione per stazione, alla destinazione giusta per noi. Come scegliere il nostro binario, ovvero la destinazione più giusta per noi?

Certo, potrei provarne uno, giungere alla prima stazione, constatare che non sono nella direzione giusta e tornare indietro e provarne altri binari… accorgendomi in un secondo momento di essere poco lontano dal mio punto di partenza, nonostante il tempo già trascorso… Proviamo ad applicare un metodo di scelta, in grado di “filtrare” le scelte che non ci porteranno da nessuna parte e che lasci passare quelle in grado di valorizzarci per guadagnarci la nostra “medaglia”: il “Modello dei tre Cerchi” appunto.

Prima di applicare questo modello, dobbiamo concentrarci su noi stessi, sgombrare la nostra mente (“tabula rasa”) da preconcetti di ogni genere, dal rincorrere situazioni  rassicuranti e modi di pensare del nostro recente passato: il mondo è cambiato e non dobbiamo vivere in esso, cambiando.

Il Cerchio n.1 è in relazione a “ciò che sappiamo fare”, al nostro mestiere, al valore che riusciamo a creare, a tutto ciò che abbiamo imparato a fare sino a quel momento: se siamo ancora ragazzi in cerca del primo lavoro, conta la formazione ricevuta, se invece abbiamo già esperienze di lavoro, valgono soprattutto queste ultime.

Il Cerchio n.2 è in relazione a “ciò che ci appassiona fare”, a ciò che ci piace, alle attività che ci fanno sentire bene con noi stessi: in genere sono attività che vengono da noi classificate spesso come “hobby”, specialmente se abbiamo una attività lavorativa che non ci appassiona…

Il Cerchio n.3 è quello più complesso da configurare ed è quello che racchiude la risposta finale: si riferisce alle “attività (prodotti e servizi) che qualcuno (il mercato) è disposto a pagare”, fin anche un solo euro. Infatti, spesso il lavoro piacevole non paga bene, anzi alcune volte piace così tanto che lo si fa gratuitamente (viceversa “dove c’è letame, c’è moneta” dice un vecchio detto). Ciò non significa dover cercare solo lavori sgradevoli per essere ben remunerati, ma nemmeno il contrario, illudendosi che svolgendo le attività che più ci piacciono, queste riescano ad essere valorizzate dal mercato, come noi vorremmo. Esempi a partire dall’idraulico che viene a riparare il W.C. di casa, fino alla società di onoranze funebri, rispetto ad es. ai tanti artisti e musicisti che vivono in condizioni disagiate pur svolgendo attività appassionanti, dimostrano ampiamente questo concetto: “Business is Business”.

A questo punto, una volta definito in maniera schietta e sincera con noi stessi, il contenuto da attribuire ai nostri tre cerchi, non ci resta che trovare l’area di comune intersezione di essi: una minuscola figura triangolare che appartiene contemporaneamente sia al cerchio del “so fare”, sia quello del “mi piace fare”, sia a quello del “mi pagano per fare”: Bingo!

Purtroppo, come si dice “non tutte le ciambelle riescono con il buco”, ovvero non è detto che si riesca subito a trovare il “triangolo”, molto spesso risulta abbastanza semplice intersecare i primi due cerchi, mentre per il terzo bisogna lavorare sodo per minimo un mese, fino ad anche un anno e più, fino a comprendere effettivamente cosa di quello che facciamo o vogliamo fare, altri siano disposti a pagarlo per ottenerlo. Ricordiamoci però, che “la cosa importante non è dove ci troviamo ora, ma in quale direzione stiamo andando…”. La risposta alla domanda sul nostro lavoro e sulla sua giusta remunerazione, la si riesce ad ottenere in genere solo dopo un po’ di esercizio, “stazione per stazione”, anche facendo nel frattempo lavori eventualmente “sgradevoli”.  Tutto purché questo servi ad individuare bene la direzione per cui dare il meglio di sé, coincida anche con il meglio per gli altri  (mercato), perché solo in questo modo si creano le condizioni per un ciclo lavorativo positivo di almeno 5-10 anni, per poi tornare successivamente a verificare il tutto per eventualmente riposizionarsi, sapendo che ciò è “normale” nel mondo del lavoro contemporaneo e lo sarà sempre più nel prossimo futuro.

Certo, una risposta ad una domanda non è ancora un lavoro, né tanto meno il denaro, ma avere intrapreso la direzione giusta da percorrere rasserena, accende gli animi e la speranza, verso una rinnovata politica che sia in grado di rimuovere i presupposti del lavoro senza denaro (sfruttamento), così come del denaro senza lavoro: concetto quest’ultimo caro ai mercati finanziari (e non solo…) che in questi ultimi anni hanno “dopato” l’economia fino al punto di sostituirsi ad essa, con il risultato di ottenere appunto, denaro senza lavoro, ma solo per pochissimi…

Modello di Controllo Bilanciato del Business: Balanced Scorecard & Active Strategy Pilot Map

Postato il di Giovanni Mappa in Formazione Interdisciplinare

Procedura Software di Supporto alla Gestione Diagnostica e al Posizionamento Strategico del Business

Balanced Scorecad e le 4 Prospettive di Kaplan

Il sistema SMART PILOT si basa sul modello innovativo “4Quad Ability Rate Abacus” per misurare il livello di competitività di una impresa e/o di una sua business unit. Si parte dalla consapevolezza che la dinamicità di un business dipende da almeno 4 Prospettive (vedi Kaplan):

  1. Economica,
  2. Prodotto/Servizio,
  3. Risorse
  4. Mercato

Nella procedura vengono integrate le 4 dimensioni del business e si fornisce una bussola di posizionamento attraverso un abaco indicatore di rotta. Trattasi di un modello di conoscenza multiparametrico a matrici di confronto contrapposte raffigurabile da un abaco a 4 quadranti di “Ability Rate” .

L’abaco presenta 4 indicatori o drivers che rappresentano i Fattori Critici di Successo (FCS). Essi rappresentano un valore da 0 a 1 che indicano le coordinate degli assi corrispondenti:

  1. Revenue (Profit Ability): la capacità di produrre profitto;
  2. Productivity (Product Ability): la potenzialità produttiva, ossia quanto e come l’azienda è in grado di realizzare prodotti che siano su misura per ciascun cliente;
  3. Customer (Skill Ability): l’abilità di efficienza della forza lavoro, ovvero l’organizzazione delle risorse umane e strumentali e la loro efficacia/efficienza;
  4. Innovation (Business Ability): la capacità di innovazione, ossia il valore aggiunto che l’azienda vuole garantire rispetto agli standard attuali di mercato.

Il modello fornisce nei 4 quadranti derivati delle intersezioni dei drivers, il posizionamento dell’impresa rispetto a ciascuna coppia di fattori critici di successo:

  • Quadrante della Riorganizzazione: il posizionamento nel quadrante fornisce indicazioni strategiche circa la necessità di re-ingegnerizzare i processi produttivi;
  • Quadrante della Riqualificazione: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di riqualificare i processi produttivi, ovvero l’organizzazione del lavoro e gli skills delle risorse umane;
  • Quadrante del Rilancio: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di rilanciare l’attività di impresa attraverso azioni di marketing, ovvero investire sullo sviluppo di attività di ricerca e di innovazione;
  • Quadrante del Riassetto: il posizionamento nel quadrante fornirà indicazioni strategiche circa la necessità di riassetto delle risorse umane, ovvero dell’organizzazione del lavoro.

La caratteristica “Pilot Map” mostra che la direzione di crescita del business è orientata dal quadrante della Riqualificazione a quello del rilancio dell’attività, mentre la direzione trasversale dal Riassetto alla Riorganizzazione rappresenta la fase di “ripartenza” o re-engineering.

I 4 quadranti mostrano le correlazioni inferenziali (causa / effetto) tra ciascuno dei Driver di Performance.

Smart Pilot Abacus

BM = f (Value, Reputation, Sales, Profit)

Knowledge Management vs Knowledge Engineering

Postato il di Giovanni Mappa in Formazione Interdisciplinare

 Knowledge Management vs Knowledge Engineering

The terms knowledge management and knowledge engineering seem to be used as interchangeably as the terms data and information used to be. But if you were to ask either a manager or an engineer if their jobs were the same, I doubt if you would get them to agree they were. A brief examination of the terms management and engineering shows that to manage is to exercise executive, administrative and supervisory direction, where as, to engineer is to lay out, construct, or contrive or plan out, usually with more or less subtle skill and craft.

The main difference seems to be that the (knowledge) manager establishes the direction the process should take, where as the (knowledge) engineer develops the means to accomplish that direction. Not all that much different from the relationships in any other discipline. So therefor we should find the knowledge managers concerned with the knowledge needs of the enterprise. We should see them doing the research to understand what knowledge is needed to make what decision and enable what actions. They should be taking a key role in the design of the enterprise and from the needs of the enterprise establishing the enterprise level knowledge management policies. It is to the knowledge managers that the user should go with their “need to know“.

On the other hand, if we were look in on the knowledge engineers we should find them working on such areas as data and information representation and encoding methodologies, data repositories, work flow management, groupware technologies, etc,. The knowledge engineers would most likely be researching the technologies needed to meet the enterprise’s knowledge management needs. The knowledge engineers should also be establishing the processes by which knowledge requests are examined, information assembled, and knowledge returned to the requestor. What is significant in both of these “job descriptions” is that nowhere do I claim that either is the “owner” of the enterprise knowledge, information, or data. Ownership remains the prerogative of the enterprise, or the enterprise element manager, or even the individual depending on the established policies for enterprise level knowledge ownership. As we might well expect, other views exist as to the roles of the knowledge manager and the knowledge engineer. For example, to the developer of knowledge-base computer software systems, the knowledge engineer is most likely a computer scientist specializing the development of artificial intelligence knowledge bases. From the view of the corporate board-room the knowledge manager may be the Chief Information Officer (CIO) or the person in charge of the Information Resource Management (IRM). The point is, when discussing terms such as knowledge manager or knowledge engineer, or any other role designation, it is important that all parties share a clear mutual understanding.  Brian D. Newman © January 5, 1996

Multi-Perspective Modeling for Knowledge Management  and Knowledge Engineering (John Kingston)  Multi-Perspective Modeling

The purpose of this thesis is to show how an analytical framework originally intended for information systems architecture can be used to support knowledge management, knowledge engineering and the closely related discipline of ontology engineering. The framework suggests analysing information or knowledge from six perspectives (Who,What, How, When, Where and Why) at up to six levels of detail (ranging from “scoping” the problem to an implemented solution). The application of this framework to each of CommonKADS’ models is discussed, in the context of several practical applications of the CommonKADS methodology. Strengths and weaknesses in the models that are highlighted by the practical applications are analysed using the framework,
with the overall goal of showing where CommonKADS is currently useful and where it could be usefully extended. The same framework is also applied to knowledge management; it is established that “knowledge management” is in fact a wide collection of different approaches and techniques, and the framework can support and extend every approach to some extent, as well as the decision which approach is best for a particular case. Specific applications of using the framework to model medical knowledge and to resolve common problems in ontology development are presented.
The thesis also includes research on mapping knowledge acquisition techniques to CommonKADS’ models (and to the framework); proposing some extensions to CommonKADS’ library of generic inference structures; and it concludes with a suggestion for a “pragmatic” KADS for use on small projects. The aim is to show that this framework both characterises the knowledge required for both knowledge management and knowledge engineering, and can provide a guide to good selection of knowledge management techniques. If the chosen technique should involve knowledge engineering, the wealth of practical advice on CommonKADS in this thesis should also be beneficial.

Knowledge Engineering